論文の概要: Sequential Learning on Liver Tumor Boundary Semantics and Prognostic Biomarker Mining

• arxiv url: http://arxiv.org/abs/2103.05170v1
• Date: Tue, 9 Mar 2021 01:43:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-10 15:00:05.051828
• Title: Sequential Learning on Liver Tumor Boundary Semantics and Prognostic Biomarker Mining
• Title（参考訳）: 肝腫瘍境界セマンティックスと予後バイオマーカーマイニングの逐次学習
• Authors: Jieneng Chen, Ke Yan, Yu-Dong Zhang, Youbao Tang, Xun Xu, Shuwen Sun, Qiuping Liu, Lingyun Huang, Jing Xiao, Alan L. Yuille, Ya Zhang, and Le Lu
• Abstract要約: 腫瘍境界に対する毛細血管浸潤は予後指標であるmicrovascular invasion (mvi) と臨床的に相関することが証明されている。 本論文では,タスクを2つのコンポーネントに分離する,第1および新規な計算フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 73.23533486979166
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The boundary of tumors (hepatocellular carcinoma, or HCC) contains rich semantics: capsular invasion, visibility, smoothness, folding and protuberance, etc. Capsular invasion on tumor boundary has proven to be clinically correlated with the prognostic indicator, microvascular invasion (MVI). Investigating tumor boundary semantics has tremendous clinical values. In this paper, we propose the first and novel computational framework that disentangles the task into two components: spatial vertex localization and sequential semantic classification. (1) A HCC tumor segmentor is built for tumor mask boundary extraction, followed by polar transform representing the boundary with radius and angle. Vertex generator is used to produce fixed-length boundary vertices where vertex features are sampled on the corresponding spatial locations. (2) The sampled deep vertex features with positional embedding are mapped into a sequential space and decoded by a multilayer perceptron (MLP) for semantic classification. Extensive experiments on tumor capsule semantics demonstrate the effectiveness of our framework. Mining the correlation between the boundary semantics and MVI status proves the feasibility to integrate this boundary semantics as a valid HCC prognostic biomarker.
• Abstract（参考訳）: 腫瘍の境界(肝細胞癌、HCC)には、毛細血管浸潤、可視性、滑らかさ、折りたたみ、隆起など、豊富な意味がある。 腫瘍境界に対する毛細血管浸潤は予後指標であるmicrovascular invasion (mvi) と臨床的に相関することが証明されている。 腫瘍境界セマンティクスの検査は極めて重要な臨床的価値を持っている。 本稿では,タスクを空間頂点局在化とシーケンシャルセマンティクス分類という2つの構成要素に分離する,最初の新しい計算フレームワークを提案する。 1)HCC腫瘍セグメンタは腫瘍マスク境界抽出のために構築され,次いで半径と角度で境界を表す極変換が行われる。 頂点生成器は、対応する空間上の頂点の特徴をサンプリングする固定長境界頂点を生成するために使用される。 2) 位置埋め込みを伴う深部頂点の特徴を逐次空間にマッピングし, 意味分類のために多層パーセプトロン(MLP)で復号する。 腫瘍カプセルセマンティクスに関する広範な実験は、私たちのフレームワークの有効性を示しています。 境界セマンティクスとMVI状態の間の相関をマイニングすることは、この境界セマンティクスを有効なHCC予後バイオマーカーとして統合する可能性を証明する。

関連論文リスト

• Multilevel Perception Boundary-guided Network for Breast Lesion Segmentation in Ultrasound Images [9.252383213566947]
  超音波画像から乳腺腫瘍を分離する多レベルグローバル認識モジュール(MGPM)と境界誘導モジュール(BGM)で構成されるPBNetを提案する。 MGPMでは、単一レベル特徴写像におけるボクセル間の長距離空間依存性をモデル化し、次いで多レベル意味情報を融合する。 BGMでは,腫瘍の境界線を最大プールの希釈および浸食効果を用いて高レベルセマンティックマップから抽出する。
  論文  参考訳（メタデータ） (2023-10-23T07:21:02Z)
• Valuing Vicinity: Memory attention framework for context-based semantic segmentation in histopathology [0.8866112270350612]
  詳細な種類の組織を同定することは、パーソナライズされたがん治療の提供に不可欠である。 本稿では,パッチ埋め込みメモリバンクから隣接する組織コンテキストを問い合わせるパッチ近傍の注意機構を提案する。 私たちのメモリアテンションフレームワーク(MAF)は、病理医のアノテーション手順を模倣します。
  論文  参考訳（メタデータ） (2022-10-21T08:49:30Z)
• 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)
• An Object Aware Hybrid U-Net for Breast Tumour Annotation [13.858624044986815]
  病理学者は、疑わしい腫瘍領域の周囲の粗い境界をマークすることで、がんのスライドを注釈する。 本研究は,腫瘍範囲を多角形境界で区分することで,病理学者をアノテーションのように模倣する試みである。 提案したハイブリッドディープラーニングモデルでは,従来のActive Contoursセグメンテーション手法を用いて,最新のディープラーニングセグメンテーションアルゴリズムを融合する。
  論文  参考訳（メタデータ） (2022-02-22T06:30:31Z)
• Edge-competing Pathological Liver Vessel Segmentation with Limited Labels [61.38846803229023]
  病理画像からのMVI検出に適したアルゴリズムはまだ存在しない。 本報告では, 血管, MVI, および腫瘍のグレードをラベルとした522枚のスライド画像を含む, 初めて病理組織学的肝画像データセットを収集する。 本稿では,2つのエッジセグメンテーション・ネットワークと2つのエッジセグメンテーション・ディミネータを含むエッジコンペティング・コンテナ・ネットワーク(EVS-Net)を提案する。
  論文  参考訳（メタデータ） (2021-08-01T07:28:32Z)
• Think about boundary: Fusing multi-level boundary information for landmark heatmap regression [51.48533538153833]
  顔の境界とランドマークの関係を探索するための2段階のエンドツーエンドアプローチについて検討する。 境界対応ランドマーク予測は,自己校正境界推定(SCBE)モジュールと境界対応ランドマーク変換(BALT)モジュールの2つのモジュールで構成される。 我々の手法は文学における最先端の手法より優れている。
  論文  参考訳（メタデータ） (2020-08-25T10:14:13Z)
• PraNet: Parallel Reverse Attention Network for Polyp Segmentation [155.93344756264824]
  大腸内視鏡画像の高精度なポリープ分割のための並列リバースアテンションネットワーク(PraNet)を提案する。 並列部分復号器(PPD)を用いて,まず高層層に特徴を集約する。 さらに,エリアとバウンダリの関連性を確立するために,リバースアテンション(RA)モジュールを用いて境界キューをマイニングする。
  論文  参考訳（メタデータ） (2020-06-13T08:13:43Z)
• Joint Semantic Segmentation and Boundary Detection using Iterative Pyramid Contexts [35.28037460530125]
  本稿では,セマンティックセグメンテーションと境界検出のためのマルチタスク学習フレームワークを提案する。 意味境界検出のために,非意味境界の抑制を目的とした空間勾配融合を提案する。 我々の実験は最先端の作業よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2020-04-16T14:46:58Z)
• Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
  本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。 提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-03T22:25:01Z)

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。

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。