論文の概要: A hybrid 2-stage vision transformer for AI-assisted 5 class pathologic
diagnosis of gastric endoscopic biopsies
- arxiv url: http://arxiv.org/abs/2202.08510v1
- Date: Thu, 17 Feb 2022 08:33:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-18 14:28:56.052739
- Title: A hybrid 2-stage vision transformer for AI-assisted 5 class pathologic
diagnosis of gastric endoscopic biopsies
- Title(参考訳): AIを用いた胃内視鏡生検5クラス診断のためのハイブリッド2段階視覚変換器
- Authors: Yujin Oh, Go Eun Bae, Kyung-Hee Kim, Min-Kyung Yeo, Jong Chul Ye
- Abstract要約: 本稿では,5種類のGCヒストロジーを分類するAIシステムを提案する。
当科のAIシステムは,早期GC患者に対する適切な治療法を決定する上で,先進的な病理所見を提供する大きな可能性を秘めている。
- 参考スコア(独自算出の注目度): 31.45005912341845
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Gastric endoscopic screening is an effective way to decide appropriate
gastric cancer (GC) treatment at an early stage, reducing GC-associated
mortality rate. Although artificial intelligence (AI) has brought a great
promise to assist pathologist to screen digitalized whole slide images,
automatic classification systems for guiding proper GC treatment based on
clinical guideline are still lacking. Here, we propose an AI system classifying
5 classes of GC histology, which can be perfectly matched to general treatment
guidance. The AI system, mimicking the way pathologist understand slides
through multi-scale self-attention mechanism using a 2-stage Vision
Transformer, demonstrates clinical capability by achieving diagnostic
sensitivity of above 85% for both internal and external cohort analysis.
Furthermore, AI-assisted pathologists showed significantly improved diagnostic
sensitivity by 10% within 18% saved screening time compared to human
pathologists. Our AI system has a great potential for providing presumptive
pathologic opinion for deciding proper treatment for early GC patients.
- Abstract(参考訳): 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。
ai(artificial intelligence)は、病理医が全スライド画像のデジタル化を支援するという大きな約束をもたらしたが、臨床ガイドラインに基づいた適切なgc処理を導くための自動分類システムは、いまだに不足している。
本稿では,gc組織学の5つのクラスを分類するaiシステムを提案する。
2段階の視覚トランスフォーマーを用いたマルチスケールな自己照査機構を通じて、病理医がスライドを理解する方法を模倣したaiシステムは、内外コホート分析において85%以上の診断感度を達成し、臨床能力を示す。
さらに、AI支援の病理医は、ヒトの病理医と比較して18%のスクリーニング時間で診断感度を10%改善した。
当科のAIシステムは,早期GC患者に対する適切な治療法を決定する上で,先進的な病理所見を提供する大きな可能性を秘めている。
関連論文リスト
- AI-Enabled Lung Cancer Prognosis [1.2054979237210064]
肺がんはがんによる死亡の主な原因であり、2020年には全世界で約179万人が死亡している。
これらのうち、非小細胞肺癌(NSCLC)が主な亜型であり、顕著な出血性予後を特徴とする。
人工知能(AI)の最近の進歩は、肺癌の予後に革命をもたらした。
論文 参考訳(メタデータ) (2024-02-12T22:09:43Z) - Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted
Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。
拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。
本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
論文 参考訳(メタデータ) (2023-11-30T15:11:03Z) - Development of a Deep Learning System for Intra-Operative Identification
of Cancer Metastases [3.8137985834223507]
我々は,人工知能(AI)システムが腹膜表面転移の認識を改善できるかどうかを評価する。
原型深層学習手術指導システムは腹膜表面転移の同定において腫瘍外科医より優れていた。
論文 参考訳(メタデータ) (2023-06-17T15:41:11Z) - Towards More Transparent and Accurate Cancer Diagnosis with an
Unsupervised CAE Approach [1.6704594205447996]
CBMIR(Content-Based Medical Image Retrieval)を利用したデジタル病理診断
UCBMIRは従来のがん診断ワークフローを再現し、WSIベースの診断結論における病理医を支援するための信頼性の高い方法を提供する。
論文 参考訳(メタデータ) (2023-05-19T15:04:16Z) - 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) - 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) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
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。
論文 参考訳(メタデータ) (2021-10-27T19:28:36Z) - Automated risk classification of colon biopsies based on semantic
segmentation of histopathology images [4.144141972397873]
本稿では,大腸病理組織像の自動評価における2つの大きな課題に対処するアプローチを提案する。
まず,H&E-Stained whole-slide画像中の複数の組織を分割するAIを用いた手法を提案する。
第2に、コンピュータ支援診断システムの基盤として、最高のAIモデルを使用する。
論文 参考訳(メタデータ) (2021-09-16T11:50:10Z) - In-Line Image Transformations for Imbalanced, Multiclass Computer Vision
Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。
convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。
本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文 参考訳(メタデータ) (2021-04-06T02:01:43Z) - Harvesting, Detecting, and Characterizing Liver Lesions from Large-scale
Multi-phase CT Data via Deep Dynamic Texture Learning [24.633802585888812]
ダイナミックコントラストCT(Dynamic contrast Computed Tomography)のための完全自動多段階肝腫瘍評価フレームワークを提案する。
本システムでは, 腫瘍提案検出, 腫瘍採取, 原発部位の選択, 深部テクスチャに基づく腫瘍評価の4段階からなる。
論文 参考訳(メタデータ) (2020-06-28T19:55:34Z)
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。