Fugu-MT 論文翻訳(概要): Dysplasia grading of colorectal polyps through CNN analysis of WSI

論文の概要: Dysplasia grading of colorectal polyps through CNN analysis of WSI

arxiv url: http://arxiv.org/abs/2102.05498v1
Date: Wed, 10 Feb 2021 15:40:27 GMT
ステータス: 処理完了
システム内更新日: 2021-02-11 19:19:26.141295
Title: Dysplasia grading of colorectal polyps through CNN analysis of WSI
Title（参考訳）: WSIのCNN解析による大腸ポリープのdysplasia grading
Authors: Daniele Perlo, Enzo Tartaglione, Luca Bertero, Paola Cassoni, Marco Grangetto
Abstract要約: 提案されたディープラーニングベースの分類パイプラインは、最先端の畳み込みニューラルネットワークに基づいている。実験の結果,腺腫の異形成度を70%の精度で分類することができた。
参考スコア（独自算出の注目度）: 5.8797822609846895
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Colorectal cancer is a leading cause of cancer death for both men and women. For this reason, histopathological characterization of colorectal polyps is the major instrument for the pathologist in order to infer the actual risk for cancer and to guide further follow-up. Colorectal polyps diagnosis includes the evaluation of the polyp type, and more importantly, the grade of dysplasia. This latter evaluation represents a critical step for the clinical follow-up. The proposed deep learning-based classification pipeline is based on state-of-the-art convolutional neural network, trained using proper countermeasures to tackle WSI high resolution and very imbalanced dataset. The experimental results show that one can successfully classify adenomas dysplasia grade with 70% accuracy, which is in line with the pathologists' concordance.
Abstract（参考訳）: 大腸がんは、男性と女性の両方にとってがん死の主な原因です。大腸ポリープの病理組織学的特徴は, 癌リスクを推察し, さらなる経過観察を導くため, 病理医にとって重要な指標である。大腸ポリープの診断はポリープ型の評価を含み、さらに重要なのは異形成の程度である。後者の評価は臨床経過において重要なステップである。提案されたディープラーニングに基づく分類パイプラインは、最先端の畳み込みニューラルネットワークに基づいており、wsi高分解能と非常に不均衡なデータセットに取り組むための適切な対策を用いてトレーニングされている。実験結果は、病理学者の一致に沿った70%の精度で腺腫性異形成の等級を首尾よく分類できることを示しています。

関連論文リスト

NMGrad: Advancing Histopathological Bladder Cancer Grading with Weakly Supervised Deep Learning [1.3911081328487294]
組織学的スライスを用いた膀胱癌評価のためのパイプラインを提案する。異なる倍率レベルでウロテリウム組織タイルを抽出し、特徴抽出のために畳み込みニューラルネットワークを用いて処理する。グレードの予測に注意を払って、ネストされた複数のインスタンス学習アプローチを採用している。
論文参考訳（メタデータ） (2024-05-24T07:02:39Z)
Exploiting segmentation labels and representation learning to forecast therapy response of PDAC patients [60.78505216352878]
化学療法に対する腫瘍反応を予測するためのハイブリッドディープニューラルネットワークパイプラインを提案する。セグメンテーションから分類への表現伝達の組み合わせと、ローカライゼーションと表現学習を利用する。提案手法は, 合計477個のデータセットを用いて, ROC-AUC 63.7% の処理応答を予測できる, 極めて効率的な手法である。
論文参考訳（メタデータ） (2022-11-08T11:50:31Z)
A Pathologist-Informed Workflow for Classification of Prostate Glands in Histopathology [62.997667081978825]
病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
論文参考訳（メタデータ） (2022-09-27T14:08:19Z)
Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文参考訳（メタデータ） (2021-10-27T19:28:36Z)
A Precision Diagnostic Framework of Renal Cell Carcinoma on Whole-Slide Images using Deep Learning [4.823436898659051]
深層畳み込みニューラルネットワーク(InceptionV3)は、The Cancer Genome Atlasの高品質な注釈付きデータセットに基づいて訓練された。我々の枠組みは、がん領域の検出や、どのがんタイプにも適用可能なサブタイプやグレードの分類において、病理学者に役立てることができる。
論文参考訳（メタデータ） (2021-10-26T12:53:25Z)
Self-Supervised U-Net for Segmenting Flat and Sessile Polyps [63.62764375279861]
大腸ポリープの発達は、がんの最も初期の兆候の1つである。ポリープの早期検出と切除は生存率を90%に大きく向上させる。大腸内視鏡画像の処理によりポリープを検出するコンピュータ支援診断システム(CADx)が提案されている。
論文参考訳（メタデータ） (2021-10-17T09:31:20Z)
UniToPatho, a labeled histopathological dataset for colorectal polyps classification and adenoma dysplasia grading [12.222174729732904]
9536ヘマトキシリンとイオシン(H&E)染色パッチを292枚の全滑り画像から抽出した注釈付きデータセットであるUniToPathoを紹介します。このデータセットは、大腸ポリープ分類と腺腫グレーディングのためのディープニューラルネットワークのトレーニングを目的としています。
論文参考訳（メタデータ） (2021-01-25T10:18:44Z)
Hierarchical Classification of Pulmonary Lesions: A Large-Scale Radio-Pathomics Study [38.78350161086617]
CTによる肺病変の診断は重要であるが,肺癌関連疾患の臨床的判断には困難である。深層学習は肺がんに対するコンピュータ支援診断 (CADx) 領域において大きな成功を収めているが, 放射線診断の困難さからラベルの曖昧さに悩まされている。本研究は, 侵襲的病理解析が肺がん診断の黄金基準となっていることを考慮し, 大規模放射線病的データセットを用いてラベルあいまいさを解消する。この振り返りデータセットはPentral-RadPathと呼ばれ、高精度なディープラーニングシステムの開発と検証により、非侵襲的な病理組織ラベルを予測できる。
論文参考訳（メタデータ） (2020-10-08T15:14:34Z)
Gleason Grading of Histology Prostate Images through Semantic Segmentation via Residual U-Net [60.145440290349796]
前立腺癌の最終診断は、病理学者による前立腺生検におけるGleasonパターンの視覚的検出に基づいている。コンピュータ支援診断システムは、組織内のがんのパターンを分類し分類することができる。この研究の方法論的核心は、がん組織を分節できる残留ブロックで修正された画像分割のためのU-Net畳み込みニューラルネットワークである。
論文参考訳（メタデータ） (2020-05-22T19:49:10Z)
Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
頭頸部腫瘍の早期発見は患者の生存に不可欠である。ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
論文参考訳（メタデータ） (2020-04-21T17:07:18Z)
Diagnosing Colorectal Polyps in the Wild with Capsule Networks [7.276044182592987]
大腸がんはポリープ(polyps)と呼ばれる前駆的な病変から発生するものが多く、世界中でがん関連死亡の原因の1つとなっている。我々は,大腸ポリープの光学的生検の可能性を改善するために,新しいカプセルネットワークアーキテクチャ(D-Caps)を設計した。従来の最先端畳み込みニューラルネットワーク(CNN)アプローチよりも最大43%改善した結果を実証した。
論文参考訳（メタデータ） (2020-01-10T04:55:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。