論文の概要: Predicting Axillary Lymph Node Metastasis in Early Breast Cancer Using
Deep Learning on Primary Tumor Biopsy Slides
- arxiv url: http://arxiv.org/abs/2112.02222v2
- Date: Wed, 8 Dec 2021 16:00:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-09 11:55:29.528781
- Title: Predicting Axillary Lymph Node Metastasis in Early Breast Cancer Using
Deep Learning on Primary Tumor Biopsy Slides
- Title(参考訳): 原発性腫瘍生検標本の深層学習による早期乳癌の扁平上皮リンパ節転移の予測
- Authors: Feng Xu, Chuang Zhu, Wenqi Tang, Ying Wang, Yu Zhang, Jie Li,
Hongchuan Jiang, Zhongyue Shi, Jun Liu, Mulan Jin
- Abstract要約: 深達度学習(DL)に基づく原発性腫瘍生検シグネチャを作製し,扁平上皮リンパ節(ALN)の転移を予測した。
2010年5月から2020年8月までに約1,058人のEBC患者がALNと診断された。
- 参考スコア(独自算出の注目度): 17.564585510792227
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Objectives: To develop and validate a deep learning (DL)-based primary tumor
biopsy signature for predicting axillary lymph node (ALN) metastasis
preoperatively in early breast cancer (EBC) patients with clinically negative
ALN.
Methods: A total of 1,058 EBC patients with pathologically confirmed ALN
status were enrolled from May 2010 to August 2020. A DL core-needle biopsy
(DL-CNB) model was built on the attention-based multiple instance-learning
(AMIL) framework to predict ALN status utilizing the DL features, which were
extracted from the cancer areas of digitized whole-slide images (WSIs) of
breast CNB specimens annotated by two pathologists. Accuracy, sensitivity,
specificity, receiver operating characteristic (ROC) curves, and areas under
the ROC curve (AUCs) were analyzed to evaluate our model.
Results: The best-performing DL-CNB model with VGG16_BN as the feature
extractor achieved an AUC of 0.816 (95% confidence interval (CI): 0.758, 0.865)
in predicting positive ALN metastasis in the independent test cohort.
Furthermore, our model incorporating the clinical data, which was called
DL-CNB+C, yielded the best accuracy of 0.831 (95%CI: 0.775, 0.878), especially
for patients younger than 50 years (AUC: 0.918, 95%CI: 0.825, 0.971). The
interpretation of DL-CNB model showed that the top signatures most predictive
of ALN metastasis were characterized by the nucleus features including density
($p$ = 0.015), circumference ($p$ = 0.009), circularity ($p$ = 0.010), and
orientation ($p$ = 0.012).
Conclusion: Our study provides a novel DL-based biomarker on primary tumor
CNB slides to predict the metastatic status of ALN preoperatively for patients
with EBC. The codes and dataset are available at
https://github.com/bupt-ai-cz/BALNMP
- Abstract(参考訳): 目的: 早期乳癌(ebc)の臨床陰性aln患者において,alnリンパ節転移を術前に予測するために, 深部学習(dl)に基づく原発性腫瘍生検信号を開発し, 検証すること。
方法:2010年5月から2020年8月までにALNと診断されたEBC患者1,058例を登録した。
2人の病理医が注釈を付した乳腺CNB検体におけるDigitalized whole-slide image(WSIs)の癌領域から抽出したDL特徴を用いてALN状態を予測するために,DL-needle biopsy (DL-CNB)モデルを構築した。
精度, 感度, 特異性, 受信動作特性 (ROC) 曲線, ROC曲線 (AUC) 下の領域を解析し, 本モデルについて検討した。
結果: VGG16_BNを特徴抽出器としたDL-CNBモデルでは, 独立試験コホートにおけるALN転移の予測において, 0.816(95%信頼区間: 0.758, 0.865)のAUCが得られた。
さらに, dl-cnb+cとよばれる臨床データを組み込んだモデルでは, 50歳未満 (0.918, 95%ci: 0.825, 0.971) に対して, 0.831 (95%ci: 0.775, 0.878) の精度が得られた。
dl-cnbモデルの解釈により、aln転移の最も予測されるトップシグネチャは、密度(p$ = 0.015)、円周(p$ = 0.009)、円度(p$ = 0.010)、方位(p$ = 0.012)を含む核の特徴によって特徴づけられた。
結論:本研究は原発性腫瘍CNBスライドに新しいDLベースのバイオマーカーを付与し,EBC患者に対して術前にALNの転移状態を予測する。
コードとデータセットはhttps://github.com/bupt-ai-cz/balnmpで入手できる。
関連論文リスト
- Diagnostic Performance of Deep Learning for Predicting Gliomas' IDH and 1p/19q Status in MRI: A Systematic Review and Meta-Analysis [0.0]
グリオーマは最も一般的な脳腫瘍である。
分子プロファイリングは診断、治療、予後に重要である。
本稿では,MRIを用いた深層学習モデルによるバイオマーカーの予測の有効性について検討する。
論文 参考訳(メタデータ) (2024-10-28T13:39:52Z) - Using YOLO v7 to Detect Kidney in Magnetic Resonance Imaging [1.1567496318601842]
医用画像ライブラリを用いた半教師ありアプローチによる腎臓検出のための高性能モデルを開発した。
モデルの一般化性を評価するには、さらなる外部検証が必要である。
論文 参考訳(メタデータ) (2024-02-08T16:54:20Z) - CIMIL-CRC: a clinically-informed multiple instance learning framework for patient-level colorectal cancer molecular subtypes classification from H\&E stained images [42.771819949806655]
CIMIL-CRCは、事前学習した特徴抽出モデルと主成分分析(PCA)を効率よく組み合わせ、全てのパッチから情報を集約することで、MSI/MSS MIL問題を解決するフレームワークである。
我々は,TCGA-CRC-DXコホートを用いたモデル開発のための5倍のクロスバリデーション実験装置を用いて,曲線下平均面積(AUC)を用いてCIMIL-CRC法の評価を行った。
論文 参考訳(メタデータ) (2024-01-29T12:56:11Z) - Vision Transformer-Based Deep Learning for Histologic Classification of Endometrial Cancer [0.7228984887091693]
子宮内膜癌(英: Endometrial cancer)は、アメリカ合衆国の女性で4番目に多いがんであり、この疾患を発症するリスクは約2.8%である。
本研究では,畳み込みニューラルネットワークを用いて組織学的特徴を抽出し,その視覚的特徴に基づいてスライドを高次・低次に分類するEndoNetを紹介する。
このモデルは、ダートマス・ヘルスにおける子宮内膜癌に対する929のデジタル化ヘマトキシリンとエオシン染色による全スライディング画像に基づいて訓練された。
論文 参考訳(メタデータ) (2023-12-13T19:38:50Z) - Neural Network-Based Histologic Remission Prediction In Ulcerative
Colitis [38.150634108667774]
潰瘍性大腸炎(UC)の新しい治療標的としての組織学的寛解
内視鏡(Endocytoscopy、EC)は、新しい超高倍率内視鏡技術である。
本稿では,心電図の組織学的疾患活動を評価するニューラルネットワークモデルを提案する。
論文 参考訳(メタデータ) (2023-08-28T15:54:14Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳(メタデータ) (2023-02-16T17:06:23Z) - Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial
Hemorrhage Etiology based on CT Scan [40.51754649947294]
深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。
診断成績は臨床医の成績と比較した。
臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
論文 参考訳(メタデータ) (2023-02-02T08:45:17Z) - SODA: A Natural Language Processing Package to Extract Social
Determinants of Health for Cancer Studies [34.24528053846599]
我々は,がん患者の健康決定因子(SDoH)を抽出するために,事前学習したトランスフォーマーモデルを用いたオープンソースパッケージSODA(Social DeterminAnts)の開発を目指している。
SDoHの分類と属性を同定し,一般がんコホートを用いたSDoHコーパスを開発した。
SDoHを抽出するために4つのトランスフォーマーベースNLPモデルを比較し,オピオイドを処方した患者のコホートとNLPモデルの一般化性を検討した。
論文 参考訳(メタデータ) (2022-12-06T14:23:38Z) - Non-invasive Liver Fibrosis Screening on CT Images using Radiomics [0.0]
本研究の目的は,肝のCTで肝線維症を検出するための放射能機械学習モデルの開発と評価である。
肝線維症スクリーニングモデルの開発には,AUCの最高値と組み合わせ,選択された特徴を併用した。
論文 参考訳(メタデータ) (2022-11-25T22:33:22Z) - Deep learning-based approach to reveal tumor mutational burden status
from whole slide images across multiple cancer types [41.61294299606317]
腫瘍突然変異負担(TMB)は、免疫療法の潜在的なゲノムバイオマーカーである。
ゲノムシークエンシングによって検出されたTMBは、低リソース環境での臨床透過性を欠いている。
本研究では,日常的に使用されているスライド画像からTMB状態を検出するための大規模ディープラーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2022-04-07T07:02:32Z) - A Deep Learning Based Workflow for Detection of Lung Nodules With Chest
Radiograph [0.0]
CXRから肺領域を識別するセグメンテーションモデルを構築し,それを16個のパッチに分割した。
これらのラベル付きパッチを使用して、ディープニューラルネットワーク(DNN)モデルを微調整し、パッチをポジティブまたはネガティブに分類する。
論文 参考訳(メタデータ) (2021-12-19T16:19:46Z)
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。