Fugu-MT 論文翻訳(概要): A deep learning model for gastric diffuse-type adenocarcinoma classification in whole slide images

論文の概要: A deep learning model for gastric diffuse-type adenocarcinoma classification in whole slide images

arxiv url: http://arxiv.org/abs/2104.12478v1
Date: Mon, 26 Apr 2021 11:22:20 GMT
ステータス: 処理完了
システム内更新日: 2021-04-27 14:24:01.460695
Title: A deep learning model for gastric diffuse-type adenocarcinoma classification in whole slide images
Title（参考訳）: 全スライド画像における胃びまん性腺癌分類の深層学習モデル
Authors: Fahdi Kanavati, Masayuki Tsuneki
Abstract要約: 胃拡散型腺癌は若年者における胃癌の有意な割合が高い。本研究は,WSIsから胃びまん性腺癌を分類する深層学習モデルを訓練した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Gastric diffuse-type adenocarcinoma represents a disproportionately high percentage of cases of gastric cancers occurring in the young, and its relative incidence seems to be on the rise. Usually it affects the body of the stomach, and presents shorter duration and worse prognosis compared with the differentiated (intestinal) type adenocarcinoma. The main difficulty encountered in the differential diagnosis of gastric adenocarcinomas occurs with the diffuse-type. As the cancer cells of diffuse-type adenocarcinoma are often single and inconspicuous in a background desmoplaia and inflammation, it can often be mistaken for a wide variety of non-neoplastic lesions including gastritis or reactive endothelial cells seen in granulation tissue. In this study we trained deep learning models to classify gastric diffuse-type adenocarcinoma from WSIs. We evaluated the models on five test sets obtained from distinct sources, achieving receiver operator curve (ROC) area under the curves (AUCs) in the range of 0.95-0.99. The highly promising results demonstrate the potential of AI-based computational pathology for aiding pathologists in their diagnostic workflow system.
Abstract（参考訳）: 胃びまん性腺癌は若年者で発生した胃癌の比率が極めて高く,比較的頻度が高くなっていると考えられる。通常、胃の体に影響を及ぼし、分化型(腸管型)腺癌と比較すると、短い期間と予後が悪化する。胃腺癌との鑑別が困難であったのはびまん性型である。びまん性型腺癌のがん細胞は、背景デスモプラヤや炎症において単発で目立たずであることが多いため、顆粒組織に見られる胃炎や反応性内皮細胞を含む様々な非腫瘍性病変と誤認されることが多い。本研究は,WSIsから胃びまん性腺癌を分類する深層学習モデルを訓練した。我々は,異なる情報源から得られた5つのテストセットのモデルを評価し,0.95-0.99の範囲の曲線(AUC)の下でレシーバ演算子曲線(ROC)領域を達成した。非常に有望な結果は、診断ワークフローシステムにおいて、病理医を支援するAIベースの計算病理学の可能性を示している。

関連論文リスト

Variational Autoencoders for Feature Exploration and Malignancy Prediction of Lung Lesions [0.0]
肺がんはイギリスで21%のがん死の原因となっている。最近の研究は、定期的なスキャンから肺がんの正確な早期診断のためのAI手法の能力を実証している。本研究では, 変異型オートエンコーダ(VAE)の肺癌病変に対する応用について検討した。
論文参考訳（メタデータ） (2023-11-27T11:12:33Z)
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)
Improved Pancreatic Tumor Detection by Utilizing Clinically-Relevant Secondary Features [6.132193527180974]
膵臓がんは、がん関連死亡の世界的な原因の1つである。本稿では,周囲の解剖学的構造の臨床的特徴を利用した膵腫瘍の検出法を提案する。
論文参考訳（メタデータ） (2022-08-06T20:38:25Z)
AI-based Carcinoma Detection and Classification Using Histopathological Images: A Systematic Review [8.355946670746413]
癌の亜型であり、全がん症例の80%以上を占める。多くの研究者が癌の検出と分類を自動化する方法を報告している。癌診断の自動化における人工知能の利用の増加は、ディープ・ネットワーク・モデルの使用の著しい増加を示している。
論文参考訳（メタデータ） (2022-01-18T12:03:09Z)
Practical X-ray Gastric Cancer Diagnostic Support Using Refined Stochastic Data Augmentation and Hard Boundary Box Training [2.254041925375415]
提案システムは,90.2%の胃癌に対する感度(SE)を専門家(85.5%)より高い精度で達成する。また、F1スコアの5.9ポイント改善を示すことにより、同じオブジェクト検出モデルと最先端データ拡張を用いた手法も優れている。
論文参考訳（メタデータ） (2021-08-18T14:04:52Z)
Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文参考訳（メタデータ） (2021-07-12T09:04:20Z)
A Novel Self-Learning Framework for Bladder Cancer Grading Using Histopathological Images [1.244681179922733]
組織像から膀胱癌を診断するための自己学習の枠組みについて検討した。組織学的パッチを病のさまざまなレベルに分類できる新しいDeep Convolutional Embedded Attention Clustering (DCEAC)を提案する。
論文参考訳（メタデータ） (2021-06-25T11:04:04Z)
Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文参考訳（メタデータ） (2020-07-02T12:00:53Z)
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)
Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors [72.65802386845002]
本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
論文参考訳（メタデータ） (2020-04-04T21:21:44Z)

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。