論文の概要: Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment
- arxiv url: http://arxiv.org/abs/2202.08510v4
- Date: Tue, 15 Aug 2023 04:07:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-16 17:58:37.642444
- Title: Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment
- Title(参考訳): 胃組織学学習のためのマルチスケールハイブリッド視覚トランスフォーマ--胃癌治療のためのaiに基づく意思決定支援システム
- Authors: Yujin Oh, Go Eun Bae, Kyung-Hee Kim, Min-Kyung Yeo, Jong Chul Ye
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 50.89811515036067
- 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,
existing AI systems are limited in fine-grained cancer subclassifications and
have little usability in planning cancer treatment. We propose a practical AI
system that enables five subclassifications of GC pathology, which can be
directly matched to general GC treatment guidance. The AI system is designed to
efficiently differentiate multi-classes of GC through multi-scale
self-attention mechanism using 2-stage hybrid Vision Transformer (ViT)
networks, by mimicking the way how human pathologists understand histology. The
AI system demonstrates reliable diagnostic performance by achieving
class-average sensitivity of above 0.85 on a total of 1,212 slides from
multicentric cohort. Furthermore, AI-assisted pathologists show significantly
improved diagnostic sensitivity by 12% in addition to 18% reduced screening
time compared to human pathologists. Our results demonstrate that AI-assisted
gastric endoscopic screening has a great potential for providing presumptive
pathologic opinion and appropriate cancer treatment of gastric cancer in
practical clinical settings.
- 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。
人工知能(AI)は、病理学者がスライド画像全体をデジタル化するのを助けるという大きな約束をもたらしたが、既存のAIシステムは、微細ながんの亜分類に限られており、がん治療の計画にはほとんど利用できない。
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。
このaiシステムは、2段階のハイブリッドビジョントランスフォーマー(vit)ネットワークを用いたマルチスケールなセルフアテンション機構を通じて、人間の病理学者が組織学を理解する方法を模倣することにより、gcの多クラスを効率的に区別するように設計されている。
このAIシステムは、多中心コホートから合計1,212スライドで平均0.85以上のクラス平均感度を達成することにより、信頼性の高い診断性能を示す。
さらに,ai支援の病理学者は,診断感度が12%向上し,スクリーニング時間は18%低下した。
以上より,ai支援胃内視鏡スクリーニングは,胃癌の病理所見と適切な癌治療を実際的臨床環境に提供できる可能性が示唆された。
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。