論文の概要: A Pathology Deep Learning System Capable of Triage of Melanoma Specimens
Utilizing Dermatopathologist Consensus as Ground Truth
- arxiv url: http://arxiv.org/abs/2109.07554v1
- Date: Wed, 15 Sep 2021 19:48:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-17 16:30:42.794410
- Title: A Pathology Deep Learning System Capable of Triage of Melanoma Specimens
Utilizing Dermatopathologist Consensus as Ground Truth
- Title（参考訳）: 皮膚病理学者のコンセンサスを基盤とする黒色腫標本のトリアージが可能な病理深層学習システム
- Authors: Sivaramakrishnan Sankarapandian, Saul Kohn, Vaughn Spurrier, Sean
Grullon, Rajath E. Soans, Kameswari D. Ayyagari, Ramachandra V. Chamarthi,
Kiran Motaparthi, Jason B. Lee, Wonwoo Shon, Michael Bonham, and Julianna D.
Ianni
- Abstract要約: 本稿では,デジタル化された全スライド画像(WSI)の階層的な分類を行う病理深層学習システム(PDLS)を提案する。
これまでに収集されたメラノサイト標本のうち,最大規模の3つを含む7,685枚の画像を用いて,本システムを訓練した。
以上の結果から, PDLSは皮膚検体の自動分類・トリアージが可能であり, メラノサイト性虫垂症に対する感受性が高いことが示唆された。
- 参考スコア（独自算出の注目度）: 5.46895714413677
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Although melanoma occurs more rarely than several other skin cancers,
patients' long term survival rate is extremely low if the diagnosis is missed.
Diagnosis is complicated by a high discordance rate among pathologists when
distinguishing between melanoma and benign melanocytic lesions. A tool that
allows pathology labs to sort and prioritize melanoma cases in their workflow
could improve turnaround time by prioritizing challenging cases and routing
them directly to the appropriate subspecialist. We present a pathology deep
learning system (PDLS) that performs hierarchical classification of digitized
whole slide image (WSI) specimens into six classes defined by their
morphological characteristics, including classification of "Melanocytic
Suspect" specimens likely representing melanoma or severe dysplastic nevi. We
trained the system on 7,685 images from a single lab (the reference lab),
including the the largest set of triple-concordant melanocytic specimens
compiled to date, and tested the system on 5,099 images from two distinct
validation labs. We achieved Area Underneath the ROC Curve (AUC) values of 0.93
classifying Melanocytic Suspect specimens on the reference lab, 0.95 on the
first validation lab, and 0.82 on the second validation lab. We demonstrate
that the PDLS is capable of automatically sorting and triaging skin specimens
with high sensitivity to Melanocytic Suspect cases and that a pathologist would
only need between 30% and 60% of the caseload to address all melanoma
specimens.
- Abstract（参考訳）: 悪性黒色腫は他のいくつかの皮膚癌よりも稀に発症するが,診断に至らなかった場合,長期生存率は極めて低い。
悪性黒色腫と良性メラノサイトーシス病変の鑑別は,病理組織学的に高い不一致率で診断が困難である。
pathology labsがワークフローでメラノーマ症例の分類と優先順位付けを可能にするツールは、挑戦的なケースを優先順位付けし、それらを適切なサブスペシャリストに直接ルーティングすることで、ターンアラウンド時間を改善する。
われわれは,デジタル化全スライド画像(WSI)標本の階層的分類を,メラノーマや重度異形成性腫瘍を呈する「メラノキシー検査」標本の分類を含む形態的特徴で定義した6つのクラスに分類する。
対象は, 単一の実験室(基準実験室)の7,685枚の画像で, これまでにコンパイルされたメラノサイト標本としては最大であり, 2つの検証室の5,099枚の画像で試験を行った。
ROC曲線 (AUC) では, 基準実験室で0.93, 第1検証室で0.95, 第2検証室で0.82の分類が得られた。
pdlsはメラノサイトーシスの被疑者に対して高い感度で自動的に皮膚標本の分類とトリアージが可能であり、病理医はすべてのメラノーマ標本に対処するためにケースロードの30%から60%しか必要としない。
関連論文リスト
- Clinical Melanoma Diagnosis with Artificial Intelligence: Insights from
a Prospective Multicenter Study [1.2397589403129072]
AIはメラノーマの検出を強化するのに役立つことが証明されている。
現存する研究は、サンプルサイズが低いこと、同質なデータセットが多すぎること、希少なメラノーマ亜型の欠如によって制限されている。
メラノーマの診断精度と皮膚科医の診断精度を比較検討し, 確立されたメラノーマ検出用オープンソースアルゴリズムである「All Data is Ext」(ADAE)を評価した。
論文 参考訳（メタデータ） (2024-01-25T14:03:54Z) - 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) - Detection and Localization of Melanoma Skin Cancer in Histopathological
Whole Slide Images [1.0962389869127878]
皮膚がんの発生が予想される増加と皮膚病理学者の足跡は、計算病理学(CPATH)システムの必要性を強調している。
本論文は,WSI(Whole Slide Images)における悪性黒色腫の検出と正常皮膚と良性悪性黒色腫病変の鑑別のためのDL法を提案する。
本手法は, 病変を高精度に検出し, 病理医の関心領域を特定するためにWSI上に局在する。
論文 参考訳（メタデータ） (2023-02-06T18:54:14Z) - Using Whole Slide Image Representations from Self-Supervised Contrastive
Learning for Melanoma Concordance Regression [2.21878843241715]
悪性黒色腫と良性黒色腫病変を鑑別する際,病理医の間では高い一致率で診断が複雑になる。
デジタル化された全スライド画像(WSIs)から侵入性メラノーマまたはメラノーマの一致率を予測するメラノーマ一致回帰深層学習モデルを提案する。
我々は,4つの病理検査室から得られた10,895検体からランダムに採取した83,356個のWSIタイルを用いたSimCLR特徴抽出器を訓練した。
テストセットで0.28 +/-0.01のルート平均正方形誤差(RMSE)と0.85 +/-0.05と0.61 +/-0.06の精度とリコールを実現した。
論文 参考訳（メタデータ） (2022-10-10T16:07:41Z) - 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) - Assessing glaucoma in retinal fundus photographs using Deep Feature
Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。
緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。
ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文 参考訳（メタデータ） (2021-10-04T16:06:49Z) - An Attention-based Weakly Supervised framework for Spitzoid Melanocytic
Lesion Diagnosis in WSI [1.0948946179065253]
メラノーマは皮膚がんによる死の大半の原因となる攻撃的な腫瘍である。
診断と予後のための金の基準は、皮膚生検の分析である。
改良型畳み込みニューラルネットワーク(CNN)を用いた誘導伝達学習に基づく,エンドツーエンドの弱い教師付き深層学習モデルを提案する。
本フレームワークは、腫瘍パッチレベルパターンの発見を担当するソースモデルと、生検の特定診断に焦点を当てたターゲットモデルとから構成される。
論文 参考訳（メタデータ） (2021-04-20T10:18:57Z) - 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) - Melanoma Diagnosis with Spatio-Temporal Feature Learning on Sequential
Dermoscopic Images [40.743870665742975]
悪性黒色腫自動診断のための既存の皮膚科医は、病変の単一点像に基づいている。
そこで本研究では,連続した皮膚内視鏡像を用いたメラノーマ診断のための自動フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-19T04:08:22Z)
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。