論文の概要: Harnessing Artificial Intelligence to Infer Novel Spatial Biomarkers for
the Diagnosis of Eosinophilic Esophagitis
- arxiv url: http://arxiv.org/abs/2205.13583v1
- Date: Thu, 26 May 2022 18:59:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-30 13:30:47.889599
- Title: Harnessing Artificial Intelligence to Infer Novel Spatial Biomarkers for
the Diagnosis of Eosinophilic Esophagitis
- Title（参考訳）: 好酸球性食道炎診断のための新しい空間バイオマーカー推定のための人工知能の利用
- Authors: Ariel Larey, Eliel Aknin, Nati Daniel, Garrett A. Osswald, Julie M.
Caldwell, Mark Rochman, Tanya Wasserman, Margaret H. Collins, Nicoleta C.
Arva, Guang-Yu Yang, Marc E. Rothenberg, Yonatan Savir
- Abstract要約: 好酸球性食道炎 (EoE) は食道過敏症に合併した慢性アレルギー性食道炎の1例である。
食道生検では食道好酸球の密度を計る必要がある。
そこで我々は,無傷好酸球のセマンティックセグメンテーションと基底領域分布に基づいてバイオマーカーを推論する人工知能プラットフォームを開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Eosinophilic esophagitis (EoE) is a chronic allergic inflammatory condition
of the esophagus associated with elevated esophageal eosinophils. Second only
to gastroesophageal reflux disease, EoE is one of the leading causes of chronic
refractory dysphagia in adults and children. EoE diagnosis requires enumerating
the density of esophageal eosinophils in esophageal biopsies, a somewhat
subjective task that is time-consuming, thus reducing the ability to process
the complex tissue structure. Previous artificial intelligence (AI) approaches
that aimed to improve histology-based diagnosis focused on recapitulating
identification and quantification of the area of maximal eosinophil density.
However, this metric does not account for the distribution of eosinophils or
other histological features, over the whole slide image. Here, we developed an
artificial intelligence platform that infers local and spatial biomarkers based
on semantic segmentation of intact eosinophils and basal zone distributions.
Besides the maximal density of eosinophils (referred to as Peak Eosinophil
Count [PEC]) and a maximal basal zone fraction, we identify two additional
metrics that reflect the distribution of eosinophils and basal zone fractions.
This approach enables a decision support system that predicts EoE activity and
classifies the histological severity of EoE patients. We utilized a cohort that
includes 1066 biopsy slides from 400 subjects to validate the system's
performance and achieved a histological severity classification accuracy of
86.70%, sensitivity of 84.50%, and specificity of 90.09%. Our approach
highlights the importance of systematically analyzing the distribution of
biopsy features over the entire slide and paves the way towards a personalized
decision support system that will assist not only in counting cells but can
also potentially improve diagnosis and provide treatment prediction.
- Abstract（参考訳）: 好酸球性食道炎 (EoE) は食道過敏症を伴う慢性アレルギー性食道炎である。
胃食道逆流症に次いでEoEは、成人および小児の慢性難治性摂食障害の原因の1つである。
eoe診断では食道生検で食道好酸球の密度を列挙する必要があるが、これはやや主観的な作業であり、時間を要するため複雑な組織構造を処理できる能力が低下する。
従来の人工知能(AI)アプローチは、最大好酸球密度領域の同定と定量化に重点を置いた組織学的診断を改善することを目的としていた。
しかしながら、この計量は、スライド画像全体にわたって好酸球や他の組織学的特徴の分布を考慮しない。
そこで我々は, 好酸球のセマンティックセグメンテーションと基底領域分布に基づいて, 局所的および空間的バイオマーカーを推定する人工知能プラットフォームを開発した。
好酸球の最大密度(Peak Eosinophil Count [PEC])と最大基底帯分画の他に,好酸球と基底帯分画の分布を反映した2つの追加指標を同定した。
このアプローチにより,EoEの活性を予測し,EoE患者の組織学的重症度を分類する意思決定支援システムが実現される。
400名の被験者から得られた1066個の生検スライドを含むコホートを用いて, 組織学的重症度分類精度86.70%, 感度84.50%, 特異度90.09%を得た。
本研究は, 細胞数を計測するだけでなく, 診断や治療の予測にも役立つパーソナライズされた意思決定支援システムの実現に向けて, バイオプシー機能全体の分布を体系的に分析することの重要性を強調する。
関連論文リスト
- AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。
提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。
ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
論文 参考訳（メタデータ） (2024-07-02T16:44:00Z) - Uncertainty Quantification for Eosinophil Segmentation [16.70916787417709]
好酸球性食道炎 (EoE) は有病率が高くなるアレルギー性疾患である。
EoEを診断するためには、病理学者は1つの高出力場(400X倍率)に15以上の好酸球を見つける必要がある。
深部画像分割を用いた好酸球定量化のためのAdorno et al のアプローチの改善を提案する。
論文 参考訳（メタデータ） (2023-09-28T15:49:01Z) - CoNIC Challenge: Pushing the Frontiers of Nuclear Detection,
Segmentation, Classification and Counting [46.45578907156356]
我々は、核分裂と細胞組成を評価するために、その種の最大の利用可能なデータセットを用いて、コミュニティ全体の課題をセットアップする。
大腸組織1,658枚の全スライディング画像を用いて,トップパフォーマンスモデルに基づく広範囲な組織解析を行った。
腫瘍微小環境において,核および好酸球が重要な役割を担っていることが示唆された。
論文 参考訳（メタデータ） (2023-03-11T01:21:13Z) - 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) - Artificial Intelligence-based Eosinophil Counting in Gastrointestinal
Biopsies [1.7869681025240884]
正常な好酸球は、健康な人の消化管(GI)に存在している。
好酸球が通常量を超えると、患者は様々な症状を経験する。
病理組織学はこの疾患の診断における金の基準である。
本研究では,GI tract biopsies における好酸球の検出と数を測定するために,UNet に基づくディープニューラルネットワークの訓練と試験を行った。
論文 参考訳（メタデータ） (2022-11-25T07:18:28Z) - Corneal endothelium assessment in specular microscopy images with Fuchs'
dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。
これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文 参考訳（メタデータ） (2022-10-13T15:34:20Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳（メタデータ） (2022-09-05T16:38:13Z) - Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer
Tissue Biopsy Samples [94.37521840642141]
生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。
これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
論文 参考訳（メタデータ） (2022-03-23T00:58:27Z) - PECNet: A Deep Multi-Label Segmentation Network for Eosinophilic
Esophagitis Biopsy Diagnostics [0.0]
好酸球性食道炎 (EoE) は好酸球増加を伴う食道のアレルギー性炎症性疾患である。
ここでは,機械学習を用いてeoeを識別,定量化し,診断することを目的とした。
PECNet は無傷好酸球を平均絶対誤差 0.611 で定量し、EoE 病活性を98.5% の精度で分類することができた。
論文 参考訳（メタデータ） (2021-03-02T20:37:57Z) - Advancing Eosinophilic Esophagitis Diagnosis and Phenotype Assessment
with Deep Learning Computer Vision [0.7915536524413249]
好酸球性食道炎(英: eosinophilic esophagitis, eoe)は炎症性食道疾患である。
深部画像分割を用いた好酸球の自動定量手法を提案する。
U-Netモデルと後処理システムを適用して、EoEを診断し、疾患の重症度と進行を記述できる好酸球に基づく統計データを生成する。
論文 参考訳（メタデータ） (2021-01-13T20:01:48Z) - Machine learning approach for biopsy-based identification of
eosinophilic esophagitis reveals importance of global features [0.0]
好酸球性食道炎(英: eosinophilic esophagitis, eoe)は食道粘膜に好酸球が蓄積するアレルギー疾患である。
このプロセスの自動化における大きな課題の1つは、生検の規模に対して小さい特徴を検出することである。
我々は、食道生検を85%の精度で分類できるディープ畳み込みニューラルネットワーク(DCNN)に基づくプラットフォームを開発しました。
論文 参考訳（メタデータ） (2021-01-13T10:38:46Z)
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。