論文の概要: Deep learning for prediction of hepatocellular carcinoma recurrence after resection or liver transplantation: a discovery and validation study

• arxiv url: http://arxiv.org/abs/2106.00090v1
• Date: Mon, 31 May 2021 20:27:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-03 06:17:33.208315
• Title: Deep learning for prediction of hepatocellular carcinoma recurrence after resection or liver transplantation: a discovery and validation study
• Title（参考訳）: 切除・肝移植後の肝細胞癌再発予測のための深層学習 : 発見と妥当性の検討
• Authors: Zhikun Liu, Yuanpeng Liu, Yuan Hong, Jinwen Meng, Jianguo Wang, Shusen Zheng and Xiao Xu
• Abstract要約: 列車セットは切除でHCCを治療した患者を含み,明確な結果が得られ,LTセットはLTでHCCを治療した患者を含んでいた。 MobileNetV2_HCC_ClassはHCC切除後やLT後の他の因子よりも高い判別力を維持した。
• 参考スコア（独自算出の注目度）: 10.114820721909034
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study aimed to develop a classifier of prognosis after resection or liver transplantation (LT) for HCC by directly analysing the ubiquitously available histological images using deep learning based neural networks. Nucleus map set was used to train U-net to capture the nuclear architectural information. Train set included the patients with HCC treated by resection and has a distinct outcome. LT set contained patients with HCC treated by LT. Train set and its nuclear architectural information extracted by U-net were used to train MobileNet V2 based classifier (MobileNetV2_HCC_Class), purpose-built for classifying supersized heterogeneous images. The MobileNetV2_HCC_Class maintained relative higher discriminatory power than the other factors after HCC resection or LT in the independent validation set. Pathological review showed that the tumoral areas most predictive of recurrence were characterized by presence of stroma, high degree of cytological atypia, nuclear hyperchomasia, and a lack of immune infiltration. A clinically useful prognostic classifier was developed using deep learning allied to histological slides. The classifier has been extensively evaluated in independent patient populations with different treatment, and gives consistent excellent results across the classical clinical, biological and pathological features. The classifier assists in refining the prognostic prediction of HCC patients and identifying patients who would benefit from more intensive management.
• Abstract（参考訳）: 本研究の目的は, 深層学習ニューラルネットワークを用いて, ユビキタスで利用可能な組織像を直接解析し, 肝移植後の予後の分類法を開発することである。 核地図セットは、U-netを訓練して核アーキテクチャ情報を取得するために使用された。 対象は切除後HCCを施行した症例で,明確な結果が得られた。 LTはHCC患者をLTで治療した。 u-netで抽出された列車セットとその核構造情報をmobilenet v2ベースの分類器(mobilenetv2_hcc_class)の訓練に用いた。 MobileNetV2_HCC_Classは、独立検証セットにおけるHCC切除またはLT後の他の要因に比べて、相対的に高い差別力を維持した。 病理組織学的検討では,再発を最も予測する腫瘍部位は,ストローマの存在,高細胞性気腫,核肥大,免疫浸潤の欠如が特徴であった。 組織学的スライドに付随する深層学習を用いて臨床的に有用な予後分類器を開発した。 本分類法は, 臨床, 生物学的, 病理的特徴の相違から, 臨床, 生物学的, 病理的特徴の相違が指摘されている。 この分類器は、HCC患者の予後予測を精査し、より集中的な管理の恩恵を受ける患者を特定するのに役立つ。

関連論文リスト

• Semi-supervised ViT knowledge distillation network with style transfer normalization for colorectal liver metastases survival prediction [1.283897253352624]
  本稿では,H&EおよびHPSで染色した組織学的スライドを用いて,自動予後予測のためのエンドツーエンドアプローチを提案する。 まずGAN(Generative Adversarial Network)を用いてスライス正規化を行い、染色のばらつきを低減し、予測パイプラインへの入力として使用される画像の全体的な品質を向上させる。 転移性結節および周囲組織から抽出した特徴を利用して予後モデルを訓練し,同時に知識蒸留フレームワークで視覚変換器(ViT)を訓練し,予後予測の性能を再現し,向上させる。
  論文  参考訳（メタデータ） (2023-11-17T03:32:11Z)
• Histopathologic Cancer Detection [0.0]
  この作業では、PatchCamelyonベンチマークデータセットを使用して、モデルをマルチレイヤのパーセプトロンと畳み込みモデルでトレーニングし、精度の高いリコール、F1スコア、精度、AUCスコアでモデルのパフォーマンスを観察する。 また,データ拡張を伴うResNet50とInceptionNetモデルを導入し,ResNet50が最先端モデルに勝てることを示す。
  論文  参考訳（メタデータ） (2023-11-13T19:51:46Z)
• A Weakly Supervised Segmentation Network Embedding Cross-scale Attention Guidance and Noise-sensitive Constraint for Detecting Tertiary Lymphoid Structures of Pancreatic Tumors [19.775101438245272]
  膵病理像における3次リンパ構造(TLS)の存在は膵腫瘍の予後を示す重要な指標である。 数発の学習でTLSを検出するために,弱い教師付きセグメンテーションネットワークを提案する。 得られた2つのデータセットに対する実験結果から,提案手法はTLSの検出精度において,最先端のセグメンテーションに基づくアルゴリズムよりも有意に優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-27T03:25:09Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• Interpretable Prediction of Lung Squamous Cell Carcinoma Recurrence With Self-supervised Learning [20.54948901510215]
  肺扁平上皮癌(L SCC)は再発率と転移率が高い。 タイルレベルでの病理組織像全体(WSI)の表現を学習するための,新しい条件付き自己教師型学習(SSL)法を提案する。 患者レベルでの再発予測のための生存モデルの特徴として, 自己スーパービジョンから得られた表現とクラスタが使用される。
  論文  参考訳（メタデータ） (2022-03-23T05:36:02Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
  本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-10T13:07:11Z)
• A hybrid machine learning/deep learning COVID-19 severity predictive model from CT images and clinical data [0.0]
  患者を非icuとicuの2つのカテゴリーに分類するハイブリッド機械学習/深層学習モデルを開発した。 ベースラインCT画像の3次元患者レベルのCNN分類器を特徴抽出器として用いる。 本モデルは,臨床診断を医師に提供し,結果クラスに属する確率スコアと特徴のケースベースSHAPによる解釈を提供することを目的としている。
  論文  参考訳（メタデータ） (2021-05-13T08:39:56Z)
• Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
  ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。 臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。 そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2020-10-09T14:39:27Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)
• Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
  本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。 提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
  論文  参考訳（メタデータ） (2020-07-18T05:46:47Z)

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。