論文の概要: Exploring Genetic-histologic Relationships in Breast Cancer
- arxiv url: http://arxiv.org/abs/2103.08082v1
- Date: Mon, 15 Mar 2021 00:53:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-17 02:07:47.088727
- Title: Exploring Genetic-histologic Relationships in Breast Cancer
- Title（参考訳）: 乳癌における遺伝組織学的関係の探索
- Authors: Ruchi Chauhan, PK Vinod, CV Jawahar
- Abstract要約: この研究は、深層学習を用いて乳癌の病理組織像からゲノムバイオマーカーを予測する。
全タスクで0.02の最小改善と最大0.13のAUROCスコアで既存の作業より優れています。
- 参考スコア（独自算出の注目度）: 28.91314299138311
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The advent of digital pathology presents opportunities for computer vision
for fast, accurate, and objective solutions for histopathological images and
aid in knowledge discovery. This work uses deep learning to predict genomic
biomarkers - TP53 mutation, PIK3CA mutation, ER status, PR status, HER2 status,
and intrinsic subtypes, from breast cancer histopathology images. Furthermore,
we attempt to understand the underlying morphology as to how these genomic
biomarkers manifest in images. Since gene sequencing is expensive, not always
available, or even feasible, predicting these biomarkers from images would help
in diagnosis, prognosis, and effective treatment planning. We outperform the
existing works with a minimum improvement of 0.02 and a maximum of 0.13 AUROC
scores across all tasks. We also gain insights that can serve as hypotheses for
further experimentations, including the presence of lymphocytes and
karyorrhexis. Moreover, our fully automated workflow can be extended to other
tasks across other cancer subtypes.
- Abstract（参考訳）: デジタル病理学の出現は、組織病理学的画像のための迅速で正確で客観的なソリューションと知識発見を支援するためのコンピュータビジョンの機会を提供します。
この研究は深層学習を用いて、乳癌の病理組織像からTP53変異、PIK3CA変異、ERステータス、PRステータス、HER2ステータス、内因性サブタイプを予測する。
さらに,これらのゲノムバイオマーカーが画像にどのように現れるのか,その基礎的形態を理解することを試みた。
遺伝子シークエンシングは高価であり、必ずしも利用可能ではないため、画像からこれらのバイオマーカーを予測することは、診断、予後、および効果的な治療計画に役立ちます。
全タスクで0.02の最小改善と最大0.13のAUROCスコアで既存の作業より優れています。
また、リンパ球やkaryorrhexisの存在など、さらなる実験のための仮説として役立つ洞察を得ます。
さらに、当社のフル自動化ワークフローは、他のがんサブタイプにわたる他のタスクにも拡張できます。
関連論文リスト
- Screen Them All: High-Throughput Pan-Cancer Genetic and Phenotypic Biomarker Screening from H&E Whole Slide Images [3.119559770601732]
通常のH&EスライドでのAIの使用は、複数の分子バイオマーカーのスクリーニングに迅速かつ経済的アプローチを提供する。
我々は,300万スライドで事前学習した基礎モデルであるVirchow2を利用した高スループットAIベースシステムを提案する。
バイオマーカーや癌の種類ごとに個別のモデルを訓練する従来の手法とは異なり、我々のシステムは、幅広い臨床関連分子バイオマーカーを同時に予測するために統一されたモデルを採用している。
論文 参考訳（メタデータ） (2024-08-18T17:44:00Z) - Prompting Whole Slide Image Based Genetic Biomarker Prediction [13.764676578911526]
本稿では,全スライド画像(WSI)に基づく遺伝的バイオマーカー予測手法を提案する。
我々は、大きな言語モデルを利用して、遺伝バイオマーカーに関連する事例を抽出する際、先行知識となる医学的プロンプトを生成する。
腫瘍微小環境におけるバイオマーカー情報のマイニングには粗大なアプローチを採用する。
論文 参考訳（メタデータ） (2024-06-26T11:05:46Z) - Breast Histopathology Image Retrieval by Attention-based Adversarially Regularized Variational Graph Autoencoder with Contrastive Learning-Based Feature Extraction [1.48419209885019]
本研究は,乳房組織像検索のための新しいアテンションベース逆正則変分グラフオートエンコーダモデルを提案する。
乳がん組織像の2つの公開データセットを用いて,提案モデルの性能評価を行った。
論文 参考訳（メタデータ） (2024-05-07T11:24:37Z) - Deep Learning-based Prediction of Breast Cancer Tumor and Immune Phenotypes from Histopathology [3.9270231212340354]
各患者の腫瘍に対する腫瘍および免疫性表現型を再現的に測定する方法は広くは存在しない。
原発性乳癌のヘマトキシリンおよびエオシンスライドから10種類の生物学的関連経路の活性を評価するために,MILアルゴリズムを適用した。
訓練されたモデルでは,H&Eから細胞サブ集団の生物学的に関連する空間パターンを認識できる。
論文 参考訳（メタデータ） (2024-04-25T08:15:37Z) - Improving Performance in Colorectal Cancer Histology Decomposition using Deep and Ensemble Machine Learning [0.7082642128219231]
組織学的にヘマトキシリンとエオシンで染色されたサンプルは、一般的に大腸癌管理に用いられている。
近年の研究では、手軽に利用できる画像から臨床関連バイオマーカーの抽出を容易にするための畳み込みニューラルネットワーク(CNN)の可能性を強調している。
CNNベースのバイオマーカーは、スピード、自動化、最小コストの利点を付加して、患者の結果をゴールデンスタンダードと同等に予測することができる。
論文 参考訳（メタデータ） (2023-10-25T19:46:27Z) - A marker-less human motion analysis system for motion-based biomarker
discovery in knee disorders [60.99112047564336]
NHSは低リスクの全ての患者に会うのが難しくなっているが、これはOA患者に限らない。
膝関節疾患の診断と治療経過のモニタリングのためのバイオマーカー自動同定法を提案する。
論文 参考訳（メタデータ） (2023-04-26T16:47:42Z) - Artificial-intelligence-based molecular classification of diffuse
gliomas using rapid, label-free optical imaging [59.79875531898648]
DeepGliomaは人工知能に基づく診断スクリーニングシステムである。
ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
論文 参考訳（メタデータ） (2023-03-23T18:50:18Z) - 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) - Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer
Tissue Biopsy Samples [94.37521840642141]
生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。
これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
論文 参考訳（メタデータ） (2022-03-23T00:58:27Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳（メタデータ） (2022-02-27T02:19:09Z) - 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)
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。