論文の概要: Prostate Tissue Grading with Deep Quantum Measurement Ordinal Regression

• arxiv url: http://arxiv.org/abs/2103.03188v1
• Date: Thu, 4 Mar 2021 17:52:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-07 15:01:12.430081
• Title: Prostate Tissue Grading with Deep Quantum Measurement Ordinal Regression
• Title（参考訳）: 深度Quantum Measurement Ordinal Regressionを用いた前立腺組織グレーディング
• Authors: Santiago Toledo-Cort\'es, Diego H. Useche, and Fabio A. Gonz\'alez
• Abstract要約: Gleason score (GS) システムは前立腺癌を分類する標準的な方法である。 病理学者は前立腺の癌細胞の配列を調べ、6から10の範囲のスケールでスコアを割り当てます。 本稿では,前立腺WSIからGSを推定できる確率論的深層学習順序分類法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prostate cancer (PCa) is one of the most common and aggressive cancers worldwide. The Gleason score (GS) system is the standard way of classifying prostate cancer and the most reliable method to determine the severity and treatment to follow. The pathologist looks at the arrangement of cancer cells in the prostate and assigns a score on a scale that ranges from 6 to 10. Automatic analysis of prostate whole-slide images (WSIs) is usually addressed as a binary classification problem, which misses the finer distinction between stages given by the GS. This paper presents a probabilistic deep learning ordinal classification method that can estimate the GS from a prostate WSI. Approaching the problem as an ordinal regression task using a differentiable probabilistic model not only improves the interpretability of the results, but also improves the accuracy of the model when compared to conventional deep classification and regression architectures.
• Abstract（参考訳）: 前立腺癌(PCa)は世界中で最も一般的で攻撃的ながんの1つである。 Gleasonスコア(GS)システムは、前立腺癌を分類する標準的な方法であり、続く重症度と治療を決定する最も信頼性の高い方法です。 病理学者は前立腺の癌細胞の配列を調べ、6から10の範囲のスケールでスコアを割り当てます。 前立腺全スライド画像(WSI)の自動分析は、通常、GSによって与えられた段階間の細かい区別を欠くバイナリ分類問題として扱われます。 本稿では,前立腺WSIからGSを推定できる確率論的深層学習順序分類法を提案する。 微分可能な確率モデルを用いた順序回帰タスクとしてこの問題にアプローチすることで、結果の解釈性が向上するだけでなく、従来の深層分類や回帰アーキテクチャと比較してモデルの精度が向上する。

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)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Mixed Supervision of Histopathology Improves Prostate Cancer Classification from MRI [0.9395521049323435]
  MRIによる非侵襲的前立腺癌検出は、患者のケアに革命をもたらす可能性がある。 患者集団に適用可能な臨床上重要な前立腺癌を予測するためのMRIによる深達度学習法を提案する。
  論文  参考訳（メタデータ） (2022-12-13T02:34:57Z)
• 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)
• Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
  胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。 本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
  論文  参考訳（メタデータ） (2022-02-17T08:33:52Z)
• Multi-Scale Input Strategies for Medulloblastoma Tumor Classification using Deep Transfer Learning [59.30734371401316]
  乳腺芽腫は小児で最も多い悪性脳腫瘍である。 CNNはMBサブタイプ分類に有望な結果を示した。 タイルサイズと入力戦略の影響について検討した。
  論文  参考訳（メタデータ） (2021-09-14T09:42:37Z)
• Prostate Gland Segmentation in Histology Images via Residual and Multi-Resolution U-Net [1.244681179922733]
  この研究は、U-Net畳み込みニューラルネットワークアーキテクチャに基づく前立腺のセグメンテーションであり、残留ブロックと多解像度ブロックで修正され、データ拡張技術を用いて訓練されている。 残差構成は、画像レベルの比較において、テストサブセットで以前の最先端アプローチよりも優れており、平均Dice Index は 0.77 に達する。
  論文  参考訳（メタデータ） (2021-05-21T20:11:36Z)
• WeGleNet: A Weakly-Supervised Convolutional Neural Network for the Semantic Segmentation of Gleason Grades in Prostate Histology Images [1.52819437883813]
  本研究では,前立腺組織における局所的ながんパターンを,訓練中のグローバルレベルGleasonスコアのみを用いて検出する深層学習システムを提案する。 検証コホートにおける癌パターンの画素レベルの予測のために,コーエンの2次カッパ(k)を0.67で取得した。 我々は、Gleasonグレードのセマンティックセグメンテーションのためのモデル性能を、テストコホートにおける教師付き最先端アーキテクチャと比較した。
  論文  参考訳（メタデータ） (2021-05-21T16:27:16Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• 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)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。