論文の概要: Fluorescence molecular optomic signatures improve identification of
tumors in head and neck specimens
- arxiv url: http://arxiv.org/abs/2208.13314v1
- Date: Mon, 29 Aug 2022 00:06:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-30 13:13:45.805071
- Title: Fluorescence molecular optomic signatures improve identification of
tumors in head and neck specimens
- Title（参考訳）: 蛍光分子光による頭頸部腫瘍の同定
- Authors: Yao Chen, Samuel S. Streeter, Brady Hunt, Hira S. Sardar, Jason R.
Gunn, Laura J. Tafe, Joseph A. Paydarfar, Brian W. Pogue, Keith D. Paulsen,
and Kimberley S. Samkoe
- Abstract要約: 組織分類のための光蛍光分子イメージングデータに放射線学的アプローチが拡張された「オプトミクス」
オプトミックは、蛍光によって伝達されるEGFR発現のテクスチャパターンの違いを探索することにより、腫瘍の同定を改善することを目指している。
改良された性能は、蛍光分子イメージングデータへの放射能アプローチの拡張が、蛍光誘導手術における癌検出に有望な画像解析技術を提供することを示している。
- 参考スコア（独自算出の注目度）: 5.486402205751873
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this study, a radiomics approach was extended to optical fluorescence
molecular imaging data for tissue classification, termed 'optomics'.
Fluorescence molecular imaging is emerging for precise surgical guidance during
head and neck squamous cell carcinoma (HNSCC) resection. However, the
tumor-to-normal tissue contrast is confounded by intrinsic physiological
limitations of heterogeneous expression of the target molecule, epidermal
growth factor receptor (EGFR). Optomics seek to improve tumor identification by
probing textural pattern differences in EGFR expression conveyed by
fluorescence. A total of 1,472 standardized optomic features were extracted
from fluorescence image samples. A supervised machine learning pipeline
involving a support vector machine classifier was trained with 25 top-ranked
features selected by minimum redundancy maximum relevance criterion. Model
predictive performance was compared to fluorescence intensity thresholding
method by classifying testing set image patches of resected tissue with
histologically confirmed malignancy status. The optomics approach provided
consistent improvement in prediction accuracy on all test set samples,
irrespective of dose, compared to fluorescence intensity thresholding method
(mean accuracies of 89% vs. 81%; P = 0.0072). The improved performance
demonstrates that extending the radiomics approach to fluorescence molecular
imaging data offers a promising image analysis technique for cancer detection
in fluorescence-guided surgery.
- Abstract（参考訳）: 本研究では,組織分類のための光蛍光分子イメージングデータに放射能アプローチを拡張し,これをオプトミクスと呼ぶ。
頭頸部扁平上皮癌(HNSCC)切除時に正確な手術指導のために蛍光分子イメージングが出現している。
しかし、腫瘍から正常組織へのコントラストは、標的分子EGFR(EGFR)の不均一発現の内因的生理学的制限によって形成される。
オプトミックは、蛍光によって伝達されるEGFR発現のテクスチャパターンの違いを探索することにより、腫瘍の同定を改善する。
蛍光画像から1,472個の標準オプトミクス特性を抽出した。
サポートベクトルマシン分類器を含む教師付き機械学習パイプラインは、最小冗長性最大関連基準で選択された上位25の特徴で訓練された。
組織学的に悪性度が確認された切除組織の画像パッチを分類し,蛍光強度閾値測定法と比較した。
光学的手法は, 蛍光強度しきい値法(平均89%対81%; P = 0.0072)と比較して, 線量に関係なく, 全試験セット試料の予測精度を一貫して改善した。
蛍光分子イメージングデータへの放射線学的アプローチの拡張は、蛍光誘導手術における癌検出に有望な画像解析技術を提供することが示された。
関連論文リスト
- Semi-supervised variational autoencoder for cell feature extraction in multiplexed immunofluorescence images [40.234346302444536]
本稿では,教師付き変分オートエンコーダを用いた深層学習に基づくセル特徴抽出モデルを提案する。
乳がん患者の1,093個の組織マイクロアレイコアから抽出した44,000個以上の多重蛍光細胞像のコホートを用いて細胞表現型分類を行う。
論文 参考訳（メタデータ） (2024-06-22T04:32:50Z) - Heterogeneous Image-based Classification Using Distributional Data
Analysis [0.1471145775252885]
画素レベルの特徴の確率(量子)分布を組み込んだ新しい画像ベース分布データ解析(DDA)手法を開発した。
提案手法の特徴として, (i) 画像内の不均一性を考慮し, (ii) 分布全体にわたる粒度の情報を取り込み, (iii) がん応用における未登録画像に対する画像サイズの変化に対処する能力がある。
論文 参考訳（メタデータ） (2024-03-11T19:41:40Z) - Spatial super-resolution in nanosensing with blinking emitters [79.16635054977068]
本稿では, 点滅型蛍光ナノセンサを用いたメロロジーにおける空間分解能向上手法を提案する。
我々は, 生活科学分野において, 画像解析技術に補完される点滅蛍光センシング剤を日常的に活用できると考えている。
論文 参考訳（メタデータ） (2024-02-27T10:38:05Z) - 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) - 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) - 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) - Prediction of low-keV monochromatic images from polyenergetic CT scans
for improved automatic detection of pulmonary embolism [21.47219330040151]
我々は、従来の単エネルギーCT取得からモノE画像の生成をエミュレートできる畳み込みニューラルネットワークを訓練している。
我々は,これらの手法をマルチタスク最適化手法を用いて拡張し,改良された分類と生成結果を実現する。
論文 参考訳（メタデータ） (2021-02-02T11:42:31Z) - Lesion Mask-based Simultaneous Synthesis of Anatomic and MolecularMR
Images using a GAN [59.60954255038335]
提案するフレームワークは,ストレッチアウトアップサンプリングモジュール,ブレインアトラスエンコーダ,セグメンテーション一貫性モジュール,マルチスケールラベルワイド識別器から構成される。
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） (2020-06-26T02:50:09Z) - Computational Enhancement of Molecularly Targeted Contrast-Enhanced
Ultrasound: Application to Human Breast Tumor Imaging [0.9381376621526817]
分子標的造影超音波(mCEUS)は早期癌検出のための臨床的に有望なアプローチである。
我々は、ヒトのコントラスト蓄積を撮像するユニークな課題に対処するために、mCEUSの計算拡張技術を開発した。
論文 参考訳（メタデータ） (2020-06-22T03:45:52Z) - Modeling and Enhancing Low-quality Retinal Fundus Images [167.02325845822276]
低画質の眼底画像は臨床観察における不確実性を高め、誤診のリスクを引き起こす。
本稿では,グローバルな劣化要因を抑えるために,臨床指向の基盤拡張ネットワーク(cofe-Net)を提案する。
合成画像と実画像の両方の実験により、我々のアルゴリズムは網膜の細部を失うことなく、低品質の眼底画像を効果的に補正することを示した。
論文 参考訳（メタデータ） (2020-05-12T08:01:16Z)
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。