論文の概要: Early Detection of Ovarian Cancer by Wavelet Analysis of Protein Mass Spectra

• arxiv url: http://arxiv.org/abs/2207.07028v1
• Date: Thu, 14 Jul 2022 15:59:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-15 17:11:56.645948
• Title: Early Detection of Ovarian Cancer by Wavelet Analysis of Protein Mass Spectra
• Title（参考訳）: タンパク質量スペクトルのウェーブレット解析による卵巣癌の早期検出
• Authors: Dixon Vimalajeewa, Scott Alan Bruce, Brani Vidakovic
• Abstract要約: 本稿では,タンパク質の質量スペクトルを識別的特徴として自動的に検索する新しいモダリティを提案する。 タンパク質質量スペクトルをウェーブレット分解して自己相似性を評価する。 識別記述子はこれらの進化速度から選択され、分類特徴として使用される。
• 参考スコア（独自算出の注目度）: 0.03222802562733786
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate and efficient detection of ovarian cancer at early stages is critical to ensure proper treatments for patients. Among the first-line modalities investigated in studies of early diagnosis are features distilled from protein mass spectra. This method, however, considers only a specific subset of spectral responses and ignores the interplay among protein expression levels, which can also contain diagnostic information. We propose a new modality that automatically searches protein mass spectra for discriminatory features by considering the self-similar nature of the spectra. Self-similarity is assessed by taking a wavelet decomposition of protein mass spectra and estimating the rate of level-wise decay in the energies of the resulting wavelet coefficients. Level-wise energies are estimated in a robust manner using distance variance, and rates are estimated locally via a rolling window approach. This results in a collection of rates that can be used to characterize the interplay among proteins, which can be indicative of cancer presence. Discriminatory descriptors are then selected from these evolutionary rates and used as classifying features. The proposed wavelet-based features are used in conjunction with features proposed in the existing literature for early stage diagnosis of ovarian cancer using two datasets published by the American National Cancer Institute. Including the wavelet-based features from the new modality results in improvements in diagnostic performance for early-stage ovarian cancer detection. This demonstrates the ability of the proposed modality to characterize new ovarian cancer diagnostic information.
• Abstract（参考訳）: 早期の卵巣癌の高精度かつ効率的な検出は,適切な治療が重要である。 早期診断の研究で調査された第一線モダリティは、タンパク質質量スペクトルから抽出された特徴である。 しかし、この方法はスペクトル応答の特定のサブセットのみを考慮し、診断情報を含むタンパク質の発現レベル間の相互作用を無視する。 本稿では,タンパク質の質量スペクトルを識別的特徴として自動的に検索する新たなモダリティを提案する。 タンパク質質量スペクトルのウェーブレット分解を行い、得られたウェーブレット係数のエネルギーにおける準位減衰率を推定することにより、自己相似性を評価する。 レベルワイドエネルギーは距離分散を用いてロバストに推定され、ローリングウィンドウアプローチにより局所的に推定される。 この結果、がんの存在を示すことができるタンパク質間の相互作用を特徴付けるために使用できる速度の集まりとなる。 識別ディスクリプタは、これらの進化率から選択され、特徴の分類に使用される。 提案するウェーブレットに基づく特徴は、米国国立がん研究所が公表した2つのデータセットを用いて、卵巣癌の早期診断のための既存の文献に提案されている特徴と併用される。 新たなモダリティによるウェーブレットベースの機能を含めると、早期卵巣癌検出の診断性能が向上する。 これは、新しい卵巣癌診断情報を特徴付けるモダリティの提案の能力を示す。

関連論文リスト

• Unsupervised self-organising map of prostate cell Raman spectra shows disease-state subclustering [0.21485350418225244]
  前立腺癌の小さなサブセットは攻撃的であり、転移の拡散を防ぐために除去と治療が必要である。 前立腺細胞線から得られた生細胞ラマン分光データを解析するために,教師なし自己組織化マップを用いた。
  論文  参考訳（メタデータ） (2024-03-12T09:37:20Z)
• An Explainable Machine Learning Framework for the Accurate Diagnosis of Ovarian Cancer [0.0]
  卵巣癌(Ovarian cancer, OC)は、女性において最も多いがんの1つである。 女性の大多数は、効果的なバイオマーカーと正確なスクリーニングツールがないため、高度な段階で診断される。 本研究は閉経前および閉経後における異なるバイオマーカーを示唆する。
  論文  参考訳（メタデータ） (2023-12-11T16:52:50Z)
• Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
  我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。 クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。 本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
  論文  参考訳（メタデータ） (2023-11-28T09:14:55Z)
• Functional Integrative Bayesian Analysis of High-dimensional Multiplatform Genomic Data [0.8029049649310213]
  我々は高次元多プラットフォームゲノミクスデータ(fiBAG)の関数積分ベイズ解析というフレームワークを提案する。 fiBAGは、プロテオゲノムバイオマーカーの上流での機能的証拠の同時同定を可能にする。 本研究は,14種類のがんのパン・カンサー解析を用いて,fiBAGの収益性を示す。
  論文  参考訳（メタデータ） (2022-12-29T03:31:45Z)
• Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
  深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。 我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。 提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-11-10T03:02:12Z)
• Improving the diagnosis of breast cancer based on biophysical ultrasound features utilizing machine learning [0.0]
  乳がん検出のための生物物理学的特徴に基づく機械学習手法を提案する。 以上より, 乳腺病変のタイプとサイズは, 分類では98.0%, 操作特性曲線では0.98以上であった。
  論文  参考訳（メタデータ） (2022-07-13T23:53:09Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• 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)
• Topological Data Analysis of copy number alterations in cancer [70.85487611525896]
  癌ゲノム情報に含まれる情報を新しいトポロジに基づくアプローチで捉える可能性を探る。 本手法は, 癌体性遺伝データに有意な低次元表現を抽出する可能性を秘めている。
  論文  参考訳（メタデータ） (2020-11-22T17:31:23Z)
• PointIso: Point Cloud Based Deep Learning Model for Detecting Arbitrary-Precision Peptide Features in LC-MS Map through Attention Based Segmentation [5.495506445661776]
  PointIsoは、ペプチドの特徴検出の問題を解決するために、ポイントクラウドベースの任意の精度のディープラーニングネットワークである。 ベンチマークデータセットにおいて、高品質なMS/MS識別を98%検出する。
  論文  参考訳（メタデータ） (2020-09-15T17:34:14Z)
• Bulbar ALS Detection Based on Analysis of Voice Perturbation and Vibrato [68.97335984455059]
  本研究の目的は,ALS患者の自動検出のための持続母音発声テストの有用性を検証することである。 そこで我々は,音声信号から測定値の計算に必要な基本周期への分離手順の強化を提案した。
  論文  参考訳（メタデータ） (2020-03-24T12:49:25Z)

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。