論文の概要: Ki-67 Index Measurement in Breast Cancer Using Digital Image Analysis
- arxiv url: http://arxiv.org/abs/2209.13155v1
- Date: Tue, 27 Sep 2022 04:48:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-28 16:18:35.490978
- Title: Ki-67 Index Measurement in Breast Cancer Using Digital Image Analysis
- Title（参考訳）: デジタル画像解析による乳癌のKi-67指数測定
- Authors: Hsiang-Wei Huang, Wen-Tsung Huang, Hsun-Heng Tsai
- Abstract要約: Ki67指数は、いくつかの種類のがんにおいて貴重な予後変数である。
臨床実践では、Ki-67指数の測定は視覚的識別法と手動計数に依存する。
そこで我々は,デジタル画像処理技術を用いて,Ki-67インデックスを解釈するデジタル画像解析手法を開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ki-67 is a nuclear protein that can be produced during cell proliferation.
The Ki67 index is a valuable prognostic variable in several kinds of cancer. In
breast cancer, the index is even routinely checked in many patients. Currently,
pathologists use the immunohistochemistry method to calculate the percentage of
Ki-67 positive malignant cells as Ki-67 index. The higher score usually means
more aggressive tumor behavior. In clinical practice, the measurement of Ki-67
index relies on visual identifying method and manual counting. However, visual
and manual assessment method is timeconsuming and leads to poor reproducibility
because of different scoring standards or limited tumor area under assessment.
Here, we use digital image processing technics including image binarization and
image morphological operations to create a digital image analysis method to
interpretate Ki-67 index. Then, 10 breast cancer specimens are used as
validation with high accuracy (correlation efficiency r = 0.95127). With the
assistance of digital image analysis, pathologists can interpretate the Ki67
index more efficiently, precisely with excellent reproducibility.
- Abstract（参考訳）: Ki-67は細胞増殖時に産生される核タンパク質である。
Ki67指数は、いくつかの種類のがんにおいて貴重な予後変数である。
乳癌では、この指標は多くの患者で定期的に検査される。
病理組織学者はki-67陽性悪性細胞の割合をki-67指数として算出するために免疫組織化学法を用いている。
高いスコアは通常、より攻撃的な腫瘍の挙動を意味する。
臨床実践では、Ki-67指数の測定は視覚的識別法と手動計数に依存する。
しかし, 視覚的・手作業による評価には時間を要するため, スコア基準の相違や腫瘍領域の制限などにより再現性が低下する。
そこで我々は,Ke-67インデックスを解釈するデジタル画像解析手法を作成するために,画像双対化や画像形態操作などのデジタル画像処理技術を用いた。
次に、10個の乳癌検体を高い精度で検証する(相関効率 r = 0.95127)。
デジタル画像解析の助けを借りて、病理学者はKi67インデックスをより効率的に解釈し、再現性に優れる。
関連論文リスト
- Breast Histopathology Image Retrieval by Attention-based Adversarially Regularized Variational Graph Autoencoder with Contrastive Learning-Based Feature Extraction [1.48419209885019]
本研究は,乳房組織像検索のための新しいアテンションベース逆正則変分グラフオートエンコーダモデルを提案する。
乳がん組織像の2つの公開データセットを用いて,提案モデルの性能評価を行った。
論文 参考訳（メタデータ） (2024-05-07T11:24:37Z) - Harnessing Transformers: A Leap Forward in Lung Cancer Image Detection [2.8927500190704567]
本稿では,画像解析に基づくがん検出におけるトランスファーラーニング(TL)とトランスフォーマーの役割について論じる。
人工知能(AI)分野のトレンドとして,患者の体内における癌細胞の同定が注目されている。
論文 参考訳（メタデータ） (2023-11-16T14:50:42Z) - 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) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳（メタデータ） (2022-06-14T10:16:54Z) - 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) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - Osteoporosis Prescreening using Panoramic Radiographs through a Deep
Convolutional Neural Network with Attention Mechanism [65.70943212672023]
注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。
49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
論文 参考訳（メタデータ） (2021-10-19T00:03:57Z) - Deep Learning models for benign and malign Ocular Tumor Growth
Estimation [3.1558405181807574]
臨床医はしばしば、医用画像データに適した画像処理アルゴリズムを選択する際に問題に直面している。
ここでは、適切なモデルを選択するための戦略を示す。
論文 参考訳（メタデータ） (2021-07-09T05:40:25Z) - Multi-scale Deep Learning Architecture for Nucleus Detection in Renal
Cell Carcinoma Microscopy Image [7.437224586066945]
クリアセル腎細胞癌(CCRCC)は、腎癌の研究における腫瘍内異種性の最も一般的な形態の1つです。
本稿では,IHC染色組織像の細胞分類のための深層学習に基づく検出モデルを提案する。
本モデルでは,マルチスケールピラミッドの特徴と局所境界領域からのサリーエンシー情報をマッピングし,回帰によって境界ボックス座標を予測する。
論文 参考訳（メタデータ） (2021-04-28T03:36:02Z) - PathoNet: Deep learning assisted evaluation of Ki-67 and tumor
infiltrating lymphocytes (TILs) as prognostic factors in breast cancer; A
large dataset and baseline [2.4378845585726903]
そこで我々は,Ki-67免疫染色細胞検出・分類のための新しいパイプラインとバックエンド,PathoNetを導入する。
課題に直面しながらも、提案するバックエンドであるPathoNetは、ハーモニック平均値で現在提案されている技術手法の状態を上回ります。
論文 参考訳（メタデータ） (2020-10-09T17:55:52Z) - Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of
Geometry and Segmentation of Annotations [70.0118756144807]
この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。
VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。
対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
論文 参考訳（メタデータ） (2020-05-08T02:16:17Z)
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。