論文の概要: An Interpretable Algorithm for Uveal Melanoma Subtyping from Whole Slide
Cytology Images
- arxiv url: http://arxiv.org/abs/2108.06246v1
- Date: Fri, 13 Aug 2021 13:55:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-16 16:04:34.354902
- Title: An Interpretable Algorithm for Uveal Melanoma Subtyping from Whole Slide
Cytology Images
- Title(参考訳): 全スライド細胞画像からの尿中メラノーマサブタイピングの解釈アルゴリズム
- Authors: Haomin Chen, T.Y. Alvin Liu, Catalina Gomez, Zelia Correa, Mathias
Unberath
- Abstract要約: 細針吸引生検のデジタル画像を用いたぶどう膜黒色腫の自動診断システムについて述べる。
提案手法は,多数の代表スライドで定義される2次元多様体の点として,候補画像の自動区切りセルを埋め込む。
円歪した2次元多様体の分割に対して規則に基づくスライドレベル分類アルゴリズムを訓練する。
- 参考スコア(独自算出の注目度): 3.33281597371121
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Algorithmic decision support is rapidly becoming a staple of personalized
medicine, especially for high-stakes recommendations in which access to certain
information can drastically alter the course of treatment, and thus, patient
outcome; a prominent example is radiomics for cancer subtyping. Because in
these scenarios the stakes are high, it is desirable for decision systems to
not only provide recommendations but supply transparent reasoning in support
thereof. For learning-based systems, this can be achieved through an
interpretable design of the inference pipeline. Herein we describe an automated
yet interpretable system for uveal melanoma subtyping with digital cytology
images from fine needle aspiration biopsies. Our method embeds every
automatically segmented cell of a candidate cytology image as a point in a 2D
manifold defined by many representative slides, which enables reasoning about
the cell-level composition of the tissue sample, paving the way for
interpretable subtyping of the biopsy. Finally, a rule-based slide-level
classification algorithm is trained on the partitions of the circularly
distorted 2D manifold. This process results in a simple rule set that is
evaluated automatically but highly transparent for human verification. On our
in house cytology dataset of 88 uveal melanoma patients, the proposed method
achieves an accuracy of 87.5% that compares favorably to all competing
approaches, including deep "black box" models. The method comes with a user
interface to facilitate interaction with cell-level content, which may offer
additional insights for pathological assessment.
- Abstract(参考訳): アルゴリズムによる意思決定支援は、パーソナライズドメディカルな医療の基盤となりつつあり、特に、特定の情報へのアクセスが治療の過程を劇的に変えることができるような高い推奨事項のために、特に、患者による結果が顕著である。
これらのシナリオではリスクが高いため、意思決定システムはレコメンデーションを提供するだけでなく、そのサポートに透過的な推論を提供するのが望ましい。
学習ベースのシステムでは、推論パイプラインの解釈可能な設計によってこれを実現できる。
そこで本研究では,細針吸引生検のデジタル細胞診画像を用いたぶどう膜メラノーマの自動解析システムについて述べる。
本手法は,多数の代表的スライドによって定義された2次元多様体において,候補細胞診画像の全てのセルを点として埋め込み,組織サンプルの細胞レベルの構成を推論し,生検の解釈可能なサブタイプ化への道を開く。
最後に、円歪2次元多様体の分割に対して規則に基づくスライドレベル分類アルゴリズムを訓練する。
このプロセスは、人間の検証のために自動的に評価されるが極めて透明な単純なルールセットをもたらす。
当院における88例の黒色腫症例の細胞診データにおいて,本手法は87.5%の精度を実現し,深部"ブラックボックス"モデルを含むすべての競合モデルと比較した。
この手法は細胞レベルのコンテンツとのインタラクションを容易にするユーザインタフェースを備えており、病理学的評価のためのさらなる洞察を提供する可能性がある。
関連論文リスト
- Towards Interpretable Classification of Leukocytes based on Deep
Learning [0.7227323884094953]
本研究は、白血球の自動分類における信頼度推定の校正について検討する。
さらに、異なる視覚的説明アプローチを比較することで、機械による意思決定を専門の医療アプリケーションに近づけることができます。
論文 参考訳(メタデータ) (2023-11-24T13:48:37Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳(メタデータ) (2023-10-11T05:49:47Z) - An objective validation of polyp and instrument segmentation methods in
colonoscopy through Medico 2020 polyp segmentation and MedAI 2021
transparency challenges [58.402720481042365]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。
本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文 参考訳(メタデータ) (2023-07-30T16:08:45Z) - A kinetic approach to consensus-based segmentation of biomedical images [58.720142291102135]
バイオメディカルセグメンテーション問題に有界信頼度コンセンサスモデルの運動バージョンを適用した。
システムの長時間の挙動は、代理のフォッカー・プランク法(英語版)の助けを借りて計算される。
2次元グレースケール画像の関連集合に対して導入されたセグメンテーション距離を最小化する。
論文 参考訳(メタデータ) (2022-11-08T09:54:34Z) - An Algorithm for the Labeling and Interactive Visualization of the
Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。
閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。
本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文 参考訳(メタデータ) (2022-04-26T14:20:26Z) - Multi-class versus One-class classifier in spontaneous speech analysis
oriented to Alzheimer Disease diagnosis [58.720142291102135]
本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。
外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
論文 参考訳(メタデータ) (2022-03-21T09:57:20Z) - Stratification of carotid atheromatous plaque using interpretable deep
learning methods on B-mode ultrasound images [1.1254693939127909]
頸動脈硬化は虚血性脳卒中の主要な原因であり、毎年死亡率と障害率が高い。
本稿では,頸動脈動脈プラークのリスク評価と成層化のための,頸動脈超音波画像の解釈可能な分類手法を提案する。
論文 参考訳(メタデータ) (2022-02-04T23:10:24Z) - Multi-Class Classification of Blood Cells -- End to End Computer Vision
based diagnosis case study [0.0]
我々は,外輪郭,色の形態的特徴から,白血球分類の問題に取り組む。
我々は、最小時間複雑さと低リソース要求でロバストなアルゴリズムを特定するために、多くのアルゴリズムを探求したい。
論文 参考訳(メタデータ) (2021-06-23T17:18:19Z) - Glioma Classification Using Multimodal Radiology and Histology Data [0.41883694872353855]
グリオーマを,オリゴデンドログリオーマ,アストロサイトーマ,グリオ芽腫の3つのサブタイプに分類するパイプラインを提案する。
分類アルゴリズムは, CPM-RadPath 2020 チャレンジで提供されるデータセットを用いて評価した。
論文 参考訳(メタデータ) (2020-11-10T21:38:26Z) - 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) - Assignment Flow for Order-Constrained OCT Segmentation [0.0]
網膜層厚の同定は、患者ごとに個別に行う重要な課題である。
自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。
我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
論文 参考訳(メタデータ) (2020-09-10T01:57:53Z)
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。