論文の概要: Deep Learning based Prediction of MSI in Colorectal Cancer via
Prediction of the Status of MMR Markers
- arxiv url: http://arxiv.org/abs/2203.00449v1
- Date: Thu, 24 Feb 2022 18:56:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-06 13:06:05.889218
- Title: Deep Learning based Prediction of MSI in Colorectal Cancer via
Prediction of the Status of MMR Markers
- Title（参考訳）: MMRマーカーの予測による大腸癌における深層学習によるMSIの予測
- Authors: Ruqayya Awan, Mohammed Nimir, Shan E Ahmed Raza, Johannes Lotz, David
Snead, Andrew Robison, Nasir M. Rajpoot
- Abstract要約: MSIまたはMMR欠損は、分子的変化の点でよく研究されている収差の1つである。
我々は、CK818またはH&Eで染色した1つのターゲットスライドを用いて、2段階のプロセスでMSI状態を予測する作業を行う。
- 参考スコア（独自算出の注目度）: 10.686818568750525
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An accurate diagnosis and profiling of tumour are critical to the best
treatment choices for cancer patients. In addition to the cancer type and its
aggressiveness, molecular heterogeneity also plays a vital role in treatment
selection. MSI or MMR deficiency is one of the well-studied aberrations in
terms of molecular changes. Colorectal cancer patients with MMR deficiency
respond well to immunotherapy, hence assessment of the relevant molecular
markers can assist clinicians in making optimal treatment selections for
patients. Immunohistochemistry is one of the ways for identifying these
molecular changes which requires additional sections of tumour tissue.
Introduction of automated methods that can predict MSI or MMR status from a
target image without the need for additional sections can substantially reduce
the cost associated with it. In this work, we present our work on predicting
MSI status in a two-stage process using a single target slide either stained
with CK818 or H\&E. First, we train a multi-headed convolutional neural network
model where each head is responsible for predicting one of the MMR protein
expressions. To this end, we perform registration of MMR slides to the target
slide as a pre-processing step. In the second stage, statistical features
computed from the MMR prediction maps are used for the final MSI prediction.
Our results demonstrate that MSI classification can be improved on
incorporating fine-grained MMR labels in comparison to the previous approaches
in which coarse labels (MSI/MSS) are utilised.
- Abstract（参考訳）: 腫瘍の正確な診断とプロファイリングは、がん患者の最適な治療選択に不可欠である。
がんの種類や攻撃性に加えて、分子多様性は治療選択において重要な役割を果たす。
MSIまたはMMR欠損は、分子的変化の点でよく研究されている収差の1つである。
mmr欠損の大腸癌患者は免疫療法によく反応するので、関連する分子マーカーの評価は臨床医の最適な治療選択を支援することができる。
免疫組織化学はこれらの分子変化を同定する方法の1つであり、腫瘍組織のさらなる部分を必要とする。
追加のセクションを必要とせずに、ターゲットイメージからmsiまたはmmrステータスを予測できる自動メソッドの導入は、それに関連するコストを大幅に削減することができる。
本研究では,CK818またはH\&Eで染色した単一ターゲットスライドを用いて,MSIの状態を2段階のプロセスで予測する作業について述べる。
まず,MMRタンパク質発現の予測に各頭部が関与する多頭部畳み込みニューラルネットワークモデルを訓練する。
そこで本研究では,mmrスライドのターゲットスライドへの登録を前処理ステップとして行う。
第2段階では、mmr予測マップから計算された統計的特徴が最終msi予測に使用される。
以上の結果から,msi/mssを用いた従来手法と比較して,細粒度mmrラベルを組み込むことでmsi分類が改善できることを示した。
関連論文リスト
- Enhanced Cascade Prostate Cancer Classifier in mp-MRI Utilizing Recall Feedback Adaptive Loss and Prior Knowledge-Based Feature Extraction [4.00189087655119]
本稿では, 先行知識を取り入れ, 不均一な医用サンプル分布の問題に対処し, mpMRIにおける高い解釈可能性を維持するソリューションを提案する。
まず,前立腺癌に対するPI-RADS基準をモデルトレーニングの診断情報として数学的にモデル化する,事前知識に基づく特徴抽出手法を提案する。
次に、極めて不均衡なデータ問題に対処するため、適応的リコールフィードバック損失を提案する。
第3に、前立腺癌を解釈可能な方法で異なるレベルに分類する拡張前立腺癌を設計する。
論文 参考訳（メタデータ） (2024-08-19T07:18:06Z) - Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
乳がん治療計画において、グレーディングは重要な役割を担っている。
現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。
本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
論文 参考訳（メタデータ） (2024-05-13T15:48:26Z) - Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。
ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。
本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
論文 参考訳（メタデータ） (2024-05-13T15:40:56Z) - Advancing Radiograph Representation Learning with Masked Record Modeling [52.04899592688968]
我々は2つの相補的な目的として自己と報告の補完を定式化し、マスク付きレコードモデリング(MRM)に基づく統一的な枠組みを提案する。
MRMは、知識強化されたセマンティック表現を学ぶためのマルチタスクスキームに従って、マスクされた画像パッチとマスクされたレポートトークンを再構築する。
具体的には、MRMはラベル効率の良い微調整において優れた性能を提供する。
論文 参考訳（メタデータ） (2023-01-30T18:33:32Z) - From Cloze to Comprehension: Retrofitting Pre-trained Masked Language
Model to Pre-trained Machine Reader [130.45769668885487]
Pre-trained Machine Reader (PMR) は、ラベル付きデータを取得することなく、MLMを事前学習機械読解(MRC)モデルに適合させる新しい手法である。
提案したPMRを構築するために,多量の汎用および高品質なMRCスタイルのトレーニングデータを構築した。
PMRは、MRCの定式化における様々な抽出および分類タスクに対処するための統一モデルとして機能する可能性がある。
論文 参考訳（メタデータ） (2022-12-09T10:21:56Z) - Lesion-Specific Prediction with Discriminator-Based Supervised Guided
Attention Module Enabled GANs in Multiple Sclerosis [0.0]
多発性硬化症 (Multiple Sclerosis, MS) は、脳の白質の病変が発達するのを特徴とする慢性神経疾患である。
そこで本研究では,MSにおける将来的な病変特異的FLAIR MRIを一定時間間隔で予測するために,GAN(Generative Adversarial Network)の新たな修正を提案する。
論文 参考訳（メタデータ） (2022-08-30T20:37:38Z) - PD-DWI: Predicting response to neoadjuvant chemotherapy in invasive
breast cancer with Physiologically-Decomposed Diffusion-Weighted MRI
machine-learning model [0.0]
DWIと臨床データからpCRを予測するための生理学的に分解されたDWI機械学習モデルPD-DWIを紹介する。
我々のモデルは、現在のリーダーボードの最良の結果と比較して、曲線下(AUC)の面積を大幅に改善します。
論文 参考訳（メタデータ） (2022-06-12T08:59:49Z) - Optimizing Prediction of MGMT Promoter Methylation from MRI Scans using
Adversarial Learning [0.0]
Glioblastoma Multiforme (GBM) による米国では毎年13,000人以上が死亡していると推定されている。
非侵襲磁気共鳴画像(MRI)ベースの機械学習(ML)モデルを用いてMGMTプロモーターの状態を特定することが重要である。
2つの放射能モデルと2つのCNNモデルという4つの主要モデルを開発した。
論文 参考訳（メタデータ） (2022-01-12T11:04:34Z) - 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) - Confidence-guided Lesion Mask-based Simultaneous Synthesis of Anatomic
and Molecular MR Images in Patients with Post-treatment Malignant Gliomas [65.64363834322333]
信頼性ガイドSAMR(CG-SAMR)は、病変情報からマルチモーダル解剖学的配列にデータを合成する。
モジュールは中間結果に対する信頼度測定に基づいて合成をガイドする。
実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2020-08-06T20:20:22Z) - 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。