論文の概要: Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network
- arxiv url: http://arxiv.org/abs/2110.14728v1
- Date: Wed, 27 Oct 2021 19:28:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-29 16:02:54.864313
- Title: Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network
- Title(参考訳): グラフベーススパースPCAネットワークを用いた病理組織像における肺癌病変の検出
- Authors: Sundaresh Ram, Wenfei Tang, Alexander J. Bell, Cara Spencer, Alexander
Buschhaus, Charles R. Hatt, Marina Pasca diMagliano, Jeffrey J. Rodriguez,
Stefanie Galban, Craig J. Galban
- Abstract要約: ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
- 参考スコア(独自算出の注目度): 93.22587316229954
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Early detection of lung cancer is critical for improvement of patient
survival. To address the clinical need for efficacious treatments, genetically
engineered mouse models (GEMM) have become integral in identifying and
evaluating the molecular underpinnings of this complex disease that may be
exploited as therapeutic targets. Assessment of GEMM tumor burden on
histopathological sections performed by manual inspection is both time
consuming and prone to subjective bias. Therefore, an interplay of needs and
challenges exists for computer-aided diagnostic tools, for accurate and
efficient analysis of these histopathology images. In this paper, we propose a
simple machine learning approach called the graph-based sparse principal
component analysis (GS-PCA) network, for automated detection of cancerous
lesions on histological lung slides stained by hematoxylin and eosin (H&E). Our
method comprises four steps: 1) cascaded graph-based sparse PCA, 2) PCA binary
hashing, 3) block-wise histograms, and 4) support vector machine (SVM)
classification. In our proposed architecture, graph-based sparse PCA is
employed to learn the filter banks of the multiple stages of a convolutional
network. This is followed by PCA hashing and block histograms for indexing and
pooling. The meaningful features extracted from this GS-PCA are then fed to an
SVM classifier. We evaluate the performance of the proposed algorithm on H&E
slides obtained from an inducible K-rasG12D lung cancer mouse model using
precision/recall rates, F-score, Tanimoto coefficient, and area under the curve
(AUC) of the receiver operator characteristic (ROC) and show that our algorithm
is efficient and provides improved detection accuracy compared to existing
algorithms.
- Abstract(参考訳): 肺癌の早期発見は患者の生存を改善する上で重要である。
効果的な治療の必要性に対処するため、遺伝子組み換えマウスモデル(gemm)は、治療標的として利用される可能性のあるこの複雑な疾患の分子基盤を同定し、評価するのに不可欠なものとなっている。
手動検査による病理組織学的部位のGEMM腫瘍負担の評価には,時間的・主観的バイアスが伴う。
したがって、これらの病理組織像の正確かつ効率的な解析のために、コンピュータ支援診断ツールのニーズと課題の相互作用が存在する。
本稿では,ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドの癌病変の自動検出のための,グラフベーススパース成分分析(GS-PCA)ネットワークと呼ばれる単純な機械学習手法を提案する。
方法には4つのステップがある。
1)カスケードグラフに基づくスパースpca,
2)PCAバイナリハッシュ
3)ブロックワイドヒストグラム,及び
4) ベクトルマシン (SVM) の分類をサポートする。
提案アーキテクチャでは,畳み込みネットワークの複数段階のフィルタバンクを学習するために,グラフベースのスパースPCAを用いている。
続いてPCAハッシュとブロックヒストグラムがインデックス化とプールに使用される。
このGS-PCAから抽出された意味のある特徴はSVM分類器に送られる。
提案手法は,誘導型k-rasg12d肺がんマウスモデルから得られたh&eスライド上で,受信者特性(roc)の曲線下(auc)の精度/リコール率,f-score,谷本係数,領域を用いて評価し,本アルゴリズムが効率的であることを示し,既存のアルゴリズムと比較して検出精度が向上した。
関連論文リスト
- 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) - Metastatic Breast Cancer Prognostication Through Multimodal Integration
of Dimensionality Reduction Algorithms and Classification Algorithms [0.0]
機械学習(ML)を用いた転移性癌の検出に関する研究
71.14%の最高精度は、PCA、遺伝的アルゴリズム、k-アネレスト近傍アルゴリズムからなるMLパイプラインによって作られた。
論文 参考訳(メタデータ) (2023-09-19T05:12:02Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳(メタデータ) (2022-09-05T16:38:13Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳(メタデータ) (2022-02-22T15:24:06Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳(メタデータ) (2022-01-13T05:24:40Z) - A Novel Non-Invasive Estimation of Respiration Rate from
Photoplethysmograph Signal Using Machine Learning Model [0.0]
呼吸速度 (RR) は患者の健康を示す重要な指標である。
リアルタイムの連続RRモニタリング施設は集中ケアユニット(ICU)でのみ利用可能です。
最近の研究では、RR推定のためのPhotoplethysmogram(ECG)および/心電図(ECG)信号が提案されている。
本稿では,PPG信号特性を有する機械学習(ML)モデルを用いたRR推定手法について述べる。
論文 参考訳(メタデータ) (2021-02-18T17:08:50Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳(メタデータ) (2021-01-27T19:28:04Z) - A Graph-constrained Changepoint Detection Approach for ECG Segmentation [5.209323879611983]
本稿では,前処理ステップを使わずにRピーク位置を確実に検出するための新しいグラフベース最適変化点検出法を提案する。
提案手法は,MIT-BIH不整脈データベース(MIT-BIH-AR)に基づいて,全体の感度 Sen = 99.76,正の予測率 PPR = 99.68,検出誤差率 DER = 0.55 を達成する。
論文 参考訳(メタデータ) (2020-04-24T23:41:41Z) - Automatic Lesion Detection System (ALDS) for Skin Cancer Classification
Using SVM and Neural Classifiers [0.6445605125467573]
自動病変検出システム(ALDS)は、医師や皮膚科医が皮膚がんの適切な解析と治療のための第2の意見を得るのに役立つ。
本稿では,確率論的アプローチに基づく改良ALDSフレームワークの開発に焦点をあてる。
論文 参考訳(メタデータ) (2020-03-13T13:31:35Z)
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。