論文の概要: Gold-standard of HER2 breast cancer biopsies using supervised learning based on multiple pathologist annotations

• arxiv url: http://arxiv.org/abs/2211.04649v1
• Date: Wed, 9 Nov 2022 02:55:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-10 17:31:47.850394
• Title: Gold-standard of HER2 breast cancer biopsies using supervised learning based on multiple pathologist annotations
• Title（参考訳）: 複数の病理組織学的アノテーションに基づく教師あり学習を用いたHER2乳癌生検のゴールドスタンダード
• Authors: Benjam\'in Hern\'andez and Violeta Chang
• Abstract要約: 本報告では,20倍の倍率で得られた検体を用いて,3人の病理医のアノテーションの予備的データ解析を行った。 Fleiss の Kappa 係数に従えば, 実質的かつ適度な一致を達成できるような, 実験内および実験間変動を評価することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Breast cancer is one of the most common cancer in women around the world. For diagnosis, pathologists evaluate biomarkers such as HER2 protein using immunohistochemistry over tissue extracted by a biopsy. Through microscopic inspection, this assessment estimates the intensity and integrity of the membrane cells' staining and scores the sample as 0, 1+, 2+, or 3+: a subjective decision that depends on the interpretation of the pathologist. This paper presents the preliminary data analysis of the annotations of three pathologists over the same set of samples obtained using 20x magnification and including $1,252$ non-overlapping biopsy patches. We evaluate the intra- and inter-expert variability achieving substantial and moderate agreement, respectively, according to Fleiss' Kappa coefficient, as a previous stage towards a generation of a HER2 breast cancer biopsy gold-standard using supervised learning from multiple pathologist annotations.
• Abstract（参考訳）: 乳癌は世界でも最も多いがんの1つである。 診断のために、病理学者は生検で抽出された組織上の免疫組織化学を用いてher2タンパク質などのバイオマーカーを評価する。 顕微鏡検査により、この評価は膜細胞の染色の強度と完全性を推定し、標本を0, 1+, 2+, 3+とスコア付けする: 病理学者の解釈に依存する主観的な決定である。 本論文は,20倍の倍率と1,252ドルの非重複生検パッチを含む同じ試料群に対して,3人の病理医のアノテーションに関する予備的データ解析を行った。 われわれは,FleissのKappa係数に基づき,HER2乳がん生検ゴールドスタンダードの創出に向けて,複数の病理組織から指導的学習を施した前段階として,実質的および適度な一致を達成できる試験内および試験間変動を評価した。

関連論文リスト

• Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
  ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。 ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。 本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
  論文  参考訳（メタデータ） (2024-05-13T15:40:56Z)
• Dual-path convolutional neural network using micro-FTIR imaging to predict breast cancer subtypes and biomarkers levels: estrogen receptor, progesterone receptor, HER2 and Ki67 [0.0]
  新しい畳み込みニューラルネットワークであるCaReNet-V2は、乳がんと隣接する組織を分類し、バイオマーカーのレベルを予測するために開発された。 このモデルにより, ER, PR, HER2レベルの予測が可能となった。
  論文  参考訳（メタデータ） (2023-10-23T17:05:53Z)
• One-dimensional convolutional neural network model for breast cancer subtypes classification and biochemical content evaluation using micro-FTIR hyperspectral images [0.0]
  本研究は乳がんの亜型評価と生化学的貢献のための1次元深層学習ツールを開発した。 新しい1D畳み込みニューラルネットワークCaReNet-V1は乳癌(CA)と隣接組織(AT)を分類するために開発された Grad-CAMの1次元適応を応用し, 生体化学的影響について検討した。
  論文  参考訳（メタデータ） (2023-10-23T16:58:34Z)
• 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)
• Interpretable HER2 scoring by evaluating clinical Guidelines through a weakly supervised, constrained Deep Learning Approach [0.0]
  本稿では病理学者によるHER2スコアの解釈可能性に焦点を当てる。 臨床HER2ガイドラインを直接評価する半自動2段階深層学習手法を提案する。 本研究は,F1スコアで0.78の成績を得られた。
  論文  参考訳（メタデータ） (2022-11-17T14:28:35Z)
• A Pathologist-Informed Workflow for Classification of Prostate Glands in Histopathology [62.997667081978825]
  病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。 がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。 本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
  論文  参考訳（メタデータ） (2022-09-27T14:08:19Z)
• Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
  術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。 直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-13T07:10:14Z)
• HEROHE Challenge: assessing HER2 status in breast cancer without immunohistochemistry or in situ hybridization [14.8546864876007]
  HEROHE Challengeは、浸潤乳癌のヘマトキシリンおよびエオシン染色組織サンプルのみに基づくHER2状態の評価を自動化することを目的としている。 HER2のステータスを評価する方法は、世界中で21のチームによって提示された。
  論文  参考訳（メタデータ） (2021-11-08T13:39:41Z)
• Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
  超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。 この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。 トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
  論文  参考訳（メタデータ） (2021-07-12T09:04:20Z)
• Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors [72.65802386845002]
  本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。 我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。 我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
  論文  参考訳（メタデータ） (2020-04-04T21:21:44Z)

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。