Fugu-MT 論文翻訳(概要): ICOS Protein Expression Segmentation: Can Transformer Networks Give Better Results?

論文の概要: ICOS Protein Expression Segmentation: Can Transformer Networks Give Better Results?

arxiv url: http://arxiv.org/abs/2206.11520v1
Date: Thu, 23 Jun 2022 08:04:54 GMT
ステータス: 処理完了
システム内更新日: 2022-06-24 21:47:57.811681
Title: ICOS Protein Expression Segmentation: Can Transformer Networks Give Better Results?
Title（参考訳）: ICOSタンパク質発現セグメンテーション:トランスフォーマーネットワークはより良い結果を得られるか?
Authors: Vivek Kumar Singh, Paul O Reilly, Jacqueline James, Manuel Salto Tellez, Perry Maxwell
Abstract要約: 本稿では, 大腸癌における免疫チェックポイントバイオマーカー, Inducible Tcell COStimulator (ICOS) 細胞分画に対する Transformer Network の有効性について検討する。 MiSSFormerは74.85%のDiceスコアを達成した。
参考スコア（独自算出の注目度）: 1.2777178353032659
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Biomarkers identify a patients response to treatment. With the recent advances in artificial intelligence based on the Transformer networks, there is only limited research has been done to measure the performance on challenging histopathology images. In this paper, we investigate the efficacy of the numerous state-of-the-art Transformer networks for immune-checkpoint biomarker, Inducible Tcell COStimulator (ICOS) protein cell segmentation in colon cancer from immunohistochemistry (IHC) slides. Extensive and comprehensive experimental results confirm that MiSSFormer achieved the highest Dice score of 74.85% than the rest evaluated Transformer and Efficient U-Net methods.
Abstract（参考訳）: バイオマーカーは治療に反応する患者を識別する。トランスフォーマーネットワークに基づく人工知能の最近の進歩により、挑戦的な病理画像のパフォーマンスを測定するための限られた研究しか行われていない。本稿では,免疫組織化学(ihc)による大腸癌における免疫チェックポイントバイオマーカー,誘導型t細胞共刺激因子(icos)蛋白の分節化に対する,最先端のトランスフォーマーネットワークの有効性について検討した。大規模かつ包括的な実験結果から、MiSSFormerはトランスフォーマーおよび効率的なU-Net法よりも74.85%高いDiceスコアを達成したことが確認された。

関連論文リスト

NACNet: A Histology Context-aware Transformer Graph Convolution Network for Predicting Treatment Response to Neoadjuvant Chemotherapy in Triple Negative Breast Cancer [19.187314801599943]
三重複性乳癌(TNBC)に対するネオアジュバント化学療法(NAC)反応予測は臨床的に難しい課題である。我々はNAC応答を予測するため,NACNet (Histology context-aware transformer graph convolution Network) を開発した。我々のNACNetは、90.0%の精度、96.4%の感度、88.0%の特異性、および8倍のクロスバリデーションによって0.82のAUCを達成する。
論文参考訳（メタデータ） (2024-11-14T19:22:36Z)
Prototype Learning Guided Hybrid Network for Breast Tumor Segmentation in DCE-MRI [58.809276442508256]
本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマー層を組み合わせたハイブリッドネットワークを提案する。プライベートおよびパブリックなDCE-MRIデータセットの実験結果から,提案したハイブリッドネットワークは最先端の手法よりも優れた性能を示した。
論文参考訳（メタデータ） (2024-08-11T15:46:00Z)
Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
論文参考訳（メタデータ） (2023-10-22T02:27:02Z)
Breast Ultrasound Tumor Classification Using a Hybrid Multitask CNN-Transformer Network [63.845552349914186]
胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
論文参考訳（メタデータ） (2023-08-04T01:19:32Z)
More for Less: Compact Convolutional Transformers Enable Robust Medical Image Classification with Limited Data [0.0]
本研究では,限られたデータを用いた医用画像分類におけるコンパクト畳み込み変換器の有効性について検討した。変換器と畳み込み層のハイブリッドであるCCTは、適度なサイズのデータセットに対して高い精度を示す。
論文参考訳（メタデータ） (2023-07-01T03:31:30Z)
Fully transformer-based biomarker prediction from colorectal cancer histology: a large-scale multicentric study [1.0424274317527076]
ディープラーニングは、大腸癌の定期的な病態スライドから予測的および予後的バイオマーカーを抽出することができる。トランスフォーマーネットワークはCNNよりも優れており、多くのアプリケーションで置き換えられているが、がんにおけるバイオマーカーの予測には使われていない。本研究では,病的スライドからエンド・ツー・エンドのバイオマーカーを予測するための完全トランスフォーマーベースのパイプラインを開発した。
論文参考訳（メタデータ） (2023-01-23T18:33:38Z)
Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文参考訳（メタデータ） (2022-12-01T07:32:56Z)
Free-form Lesion Synthesis Using a Partial Convolution Generative Adversarial Network for Enhanced Deep Learning Liver Tumor Segmentation [3.3148826359547523]
本研究の目的は,ネットワークトレーニングの強化に使用できる合成病変を生成するための深層学習フレームワークを開発することである。病変合成ネットワークはGAN(Modified Generative Adversarial Network)である判別器は、勾配ペナルティとスペクトル正規化を備えたワッサーシュタインGANを用いて設計されている。
論文参考訳（メタデータ） (2022-06-18T00:40:41Z)
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)
Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
論文参考訳（メタデータ） (2021-09-10T13:07:11Z)

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。