論文の概要: Mutual Information and Ensemble Based Feature Recommender for Renal
Cancer Stage Classification
- arxiv url: http://arxiv.org/abs/2209.13836v1
- Date: Wed, 28 Sep 2022 04:54:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-29 17:41:32.503162
- Title: Mutual Information and Ensemble Based Feature Recommender for Renal
Cancer Stage Classification
- Title(参考訳): 腎癌ステージ分類のための相互情報とアンサンブルに基づく特徴レコメンダ
- Authors: Abhishek Dey, Debayan Goswami, Rahul Roy, Susmita Ghosh, Yu Shrike
Zhang, Jonathan H. Chan
- Abstract要約: 最も有害なRCCはクリア細胞腎細胞癌(ccRCC)である
ccRCCの早期かつ正確な検出は、他の臓器における疾患のさらなる拡散を防ぐために必要である。
本稿では,ccRCCの診断に有効な重要な特徴を明らかにするための詳細な実験を行う。
- 参考スコア(独自算出の注目度): 0.7938093309723064
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Kidney is an essential organ in human body. It maintains homeostasis and
removes harmful substances through urine. Renal cell carcinoma (RCC) is the
most common form of kidney cancer. Around 90\% of all kidney cancers are
attributed to RCC. Most harmful type of RCC is clear cell renal cell carcinoma
(ccRCC) that makes up about 80\% of all RCC cases. Early and accurate detection
of ccRCC is necessary to prevent further spreading of the disease in other
organs. In this article, a detailed experimentation is done to identify
important features which can aid in diagnosing ccRCC at different stages. The
ccRCC dataset is obtained from The Cancer Genome Atlas (TCGA). A novel mutual
information and ensemble based feature ranking approach considering the order
of features obtained from 8 popular feature selection methods is proposed.
Performance of the proposed method is evaluated by overall classification
accuracy obtained using 2 different classifiers (ANN and SVM). Experimental
results show that the proposed feature ranking method is able to attain a
higher accuracy (96.6\% and 98.6\% using SVM and NN, respectively) for
classifying different stages of ccRCC with a reduced feature set as compared to
existing work. It is also to be noted that, out of 3 distinguishing features as
mentioned by the existing TNM system (proposed by AJCC and UICC), our proposed
method was able to select two of them (size of tumour, metastasis status) as
the top-most ones. This establishes the efficacy of our proposed approach.
- Abstract(参考訳): 腎臓は人体に不可欠な器官である。
ホメオスタシスを維持し、尿から有害物質を除去する。
腎細胞癌 (rcc) は腎臓がんの最も一般的な形態である。
全腎がんの約90%はRCCによるものである。
最も有害なRCCはクリア細胞腎細胞癌(ccRCC)であり、全RCC症例の約80%を占める。
ccRCCの早期かつ正確な検出は、他の臓器における疾患のさらなる拡散を防ぐために必要である。
本稿では,ccRCCの診断に有効な重要な特徴を明らかにするための詳細な実験を行う。
ccRCCデータセットはThe Cancer Genome Atlas (TCGA)から得られる。
8つの特徴選択法から得られる特徴の順序を考慮した新しい相互情報とアンサンブルに基づく特徴ランキング手法を提案する。
提案手法の性能は,2つの異なる分類器 (ANN, SVM) を用いて総合的な分類精度で評価した。
実験結果から,提案手法は,既存の作業に比べて機能セットの少ないccRCCの異なるステージを分類する上で,高い精度(SVMとNNを用いて96.6\%,98.6\%)を達成できることが示唆された。
また,既存のTNMシステム (AJCCとUICCが提案) で言及されている3つの特徴のうち, 提案手法は2つの特徴(腫瘍の大きさ, 転移状態)を最上位として選択することができた。
これは提案手法の有効性を立証する。
関連論文リスト
- A Robust Deep Learning Method with Uncertainty Estimation for the
Pathological Classification of Renal Cell Carcinoma based on CT Images [10.860934781772098]
開発した深層学習モデルは,RCCの病的サブタイプを予測する上で,頑健な性能を示した。
統合された不確実性は,臨床的意思決定を支援する上で重要なモデル信頼の重要性を強調した。
論文 参考訳(メタデータ) (2023-11-01T15:07:39Z) - Automated Assessment of Critical View of Safety in Laparoscopic
Cholecystectomy [51.240181118593114]
胆嚢摘出術(胆嚢摘出術)は米国で最も一般的な手術の一つで、年間1.2万回以上の手術が施行されている。
LCは胆管損傷(BDI)の増加と関連しており、致死率と死亡率が高い。
本稿では,LCにおける安全性評価(CVS)の自動化を目的とした深層学習手法を提案する。
論文 参考訳(メタデータ) (2023-09-13T22:01:36Z) - Chest X-ray Image Classification: A Causal Perspective [49.87607548975686]
本稿では,CXR分類問題に対処する因果的アプローチを提案し,構造因果モデル(SCM)を構築し,CXR分類に有効な視覚情報を選択するためにバックドア調整を用いる。
実験の結果,提案手法はオープンソースNIH ChestX-ray14の分類性能に優れていた。
論文 参考訳(メタデータ) (2023-05-20T03:17:44Z) - An Improved Heart Disease Prediction Using Stacked Ensemble Method [0.9187159782788579]
機械学習を用いた心疾患予測システムを構築した。
心臓疾患のある人と正常な人とを簡単に区別することができる。
論文 参考訳(メタデータ) (2023-04-12T17:53:59Z) - Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep
Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。
金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。
本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
論文 参考訳(メタデータ) (2023-04-12T15:08:34Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳(メタデータ) (2023-02-16T17:06:23Z) - CoRe: An Automated Pipeline for The Prediction of Liver Resection
Complexity from Preoperative CT Scans [53.561797148529664]
肝切除を複雑にするために重要な位置にある腫瘍が知られている。
CoReは、術後LRの複雑さを予測するための自動化された医療画像処理パイプラインである。
論文 参考訳(メタデータ) (2022-10-15T15:29:24Z) - 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) - Ensemble machine learning approach for screening of coronary heart
disease based on echocardiography and risk factors [19.076443235356873]
我々は,モデル積み重ねにより,多くの一般的な分類手法を統合する機械学習アプローチを開発した。
CHD分類の精度は,テストセットで約70%から87.7%に向上した。
論文 参考訳(メタデータ) (2021-05-20T11:04:58Z) - 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) - Development and Evaluation of a Deep Neural Network for Histologic
Classification of Renal Cell Carcinoma on Biopsy and Surgical Resection
Slides [1.586625608934987]
我々は,デジタル化された外科切除スライドと生検スライドを正確に分類できるディープニューラルネットワークモデルを開発した。
以上の結果から,異なるデータソースと標本タイプにまたがるアプローチの一般化可能性が高いことが示唆された。
論文 参考訳(メタデータ) (2020-10-30T17:20:49Z)
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。