論文の概要: AI-based Carcinoma Detection and Classification Using Histopathological
Images: A Systematic Review
- arxiv url: http://arxiv.org/abs/2201.07231v1
- Date: Tue, 18 Jan 2022 12:03:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-20 13:30:33.286577
- Title: AI-based Carcinoma Detection and Classification Using Histopathological
Images: A Systematic Review
- Title（参考訳）: 病理画像を用いたAIによる癌診断と分類 : システムレビュー
- Authors: Swathi Prabhua, Keerthana Prasada, Antonio Robels-Kelly, Xuequan Lu
- Abstract要約: 癌の亜型であり、全がん症例の80%以上を占める。
多くの研究者が癌の検出と分類を自動化する方法を報告している。
癌診断の自動化における人工知能の利用の増加は、ディープ・ネットワーク・モデルの使用の著しい増加を示している。
- 参考スコア（独自算出の注目度）: 8.355946670746413
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Histopathological image analysis is the gold standard to diagnose cancer.
Carcinoma is a subtype of cancer that constitutes more than 80% of all cancer
cases. Squamous cell carcinoma and adenocarcinoma are two major subtypes of
carcinoma, diagnosed by microscopic study of biopsy slides. However, manual
microscopic evaluation is a subjective and time-consuming process. Many
researchers have reported methods to automate carcinoma detection and
classification. The increasing use of artificial intelligence (AI) in the
automation of carcinoma diagnosis also reveals a significant rise in the use of
deep network models. In this systematic literature review, we present a
comprehensive review of the state-of-the-art approaches reported in carcinoma
diagnosis using histopathological images. Studies are selected from well-known
databases with strict inclusion/exclusion criteria. We have categorized the
articles and recapitulated their methods based on specific organs of carcinoma
origin. Further, we have summarized pertinent literature on AI methods,
highlighted critical challenges and limitations, and provided insights on
future research direction in automated carcinoma diagnosis. Out of 101 articles
selected, most of the studies experimented on private datasets with varied
image sizes, obtaining accuracy between 63% and 100%. Overall, this review
highlights the need for a generalized AI-based carcinoma diagnostic system.
Additionally, it is desirable to have accountable approaches to extract
microscopic features from images of multiple magnifications that should mimic
pathologists' evaluations.
- Abstract（参考訳）: 病理組織学的画像解析は癌診断の金の基準である。
がんは、すべてのがん症例の80%以上を構成するがんの亜型である。
扁平上皮癌と腺癌の2つの大きな亜型が生検スライドの顕微鏡的観察により診断された。
しかし、手動顕微鏡による評価は主観的かつ時間を要するプロセスである。
多くの研究者が癌の検出と分類を自動化する方法を報告している。
がん診断の自動化における人工知能(ai)の利用の増加もまた、ディープネットワークモデルの使用の大幅な増加を示している。
本体系的文献レビューでは,病理組織像を用いた癌診断における最先端のアプローチについて概観する。
研究は厳格な包含/排他基準を持つよく知られたデータベースから選択される。
論文を分類し,その手法を癌由来の特定の臓器に基づいて再認識した。
さらに,ai手法に関する文献を要約し,批判的課題と限界を強調するとともに,癌自動診断における今後の研究方向性について考察した。
選択された101項目のうち、ほとんどの研究は、画像サイズが異なるプライベートデータセットで実験を行い、63%から100%の精度を得た。
全体として、このレビューは、一般化されたAIベースの癌診断システムの必要性を強調している。
さらに、病理学者の評価を模倣する複数の拡大像から微視的な特徴を抽出するための説明可能なアプローチが望ましい。
関連論文リスト
- Renal Cell Carcinoma subtyping: learning from multi-resolution localization [1.5728609542259502]
本研究では,機械学習診断ツールの自己指導型学習戦略について検討する。
ツールの精度を大幅に低下させることなく、アノテーション付きデータセットの必要性を減らすことを目指している。
腎癌サブタイプのためのスライド画像データセット全体に対して,本ツールの分類能力を実証し,本ソリューションを最先端の分類手法と比較した。
論文 参考訳（メタデータ） (2024-11-14T14:21:49Z) - Computer-Aided Cancer Diagnosis via Machine Learning and Deep Learning:
A comparative review [0.0]
腫瘍や組織を早期に検出する上で,大幅な改善が見られた。
画像における大きな相違点に関連するがん研究の課題について論じる。
肺・乳癌・皮膚がんの分野では,いくつかの顕著な結果が得られている。
論文 参考訳（メタデータ） (2022-10-19T19:30:56Z) - 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) - Improved Pancreatic Tumor Detection by Utilizing Clinically-Relevant
Secondary Features [6.132193527180974]
膵臓がんは、がん関連死亡の世界的な原因の1つである。
本稿では,周囲の解剖学的構造の臨床的特徴を利用した膵腫瘍の検出法を提案する。
論文 参考訳（メタデータ） (2022-08-06T20:38:25Z) - Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。
本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文 参考訳（メタデータ） (2022-02-17T08:33:52Z) - Predicting invasive ductal carcinoma using a Reinforcement Sample
Learning Strategy using Deep Learning [0.951828574518325]
浸潤性管癌の死因は女性で2番目に多い。
特定のマンモグラフィーの像の明瞭度や構造が変化しているため、がんの特徴を観察することは困難である。
本稿では乳房マンモグラフィー画像に畳み込みニューラルネットワークを新たに利用する腫瘍分類アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-05-26T14:14:45Z) - Machine Learning Methods for Histopathological Image Analysis: A Review [62.14548392474976]
病理組織像 (HIs) は癌診断における腫瘍の種類を評価するための金の基準である。
このような分析を高速化する方法の1つは、コンピュータ支援診断(CAD)システムを使用することである。
論文 参考訳（メタデータ） (2021-02-07T19:12:32Z) - Topological Data Analysis of copy number alterations in cancer [70.85487611525896]
癌ゲノム情報に含まれる情報を新しいトポロジに基づくアプローチで捉える可能性を探る。
本手法は, 癌体性遺伝データに有意な低次元表現を抽出する可能性を秘めている。
論文 参考訳（メタデータ） (2020-11-22T17:31:23Z) - Convolution Neural Networks for diagnosing colon and lung cancer
histopathological images [0.0]
本研究の目的は, 肺扁平上皮癌および肺腺癌および結腸腺癌を畳み込み神経ネットワークを用いて診断するためのコンピュータ支援診断システムを提案することである。
クラス毎に5000枚の画像を含むLC25000データセットから、合計2500枚のデジタル画像が取得された。
診断精度は97%以上,96%以上であった。
論文 参考訳（メタデータ） (2020-09-08T17:36:24Z) - Spatio-spectral deep learning methods for in-vivo hyperspectral
laryngeal cancer detection [49.32653090178743]
頭頸部腫瘍の早期発見は患者の生存に不可欠である。
ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。
HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
論文 参考訳（メタデータ） (2020-04-21T17:07:18Z) - Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。
提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
論文 参考訳（メタデータ） (2020-02-03T22:25:01Z)
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。