論文の概要: Deep Learning Provides Rapid Screen for Breast Cancer Metastasis with
Sentinel Lymph Nodes
- arxiv url: http://arxiv.org/abs/2301.05938v1
- Date: Sat, 14 Jan 2023 15:57:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-18 18:06:29.208943
- Title: Deep Learning Provides Rapid Screen for Breast Cancer Metastasis with
Sentinel Lymph Nodes
- Title(参考訳): センチネルリンパ節を伴う乳癌の早期診断のためのDeep Learning
- Authors: Kareem Allam, Xiaohong Iris Wang, Songlin Zhang, Jianmin Ding, Kevin
Chiu, Karan Saluja, Amer Wahed, Hongxia Sun, Andy N.D. Nguyen
- Abstract要約: 本研究は, 転移に対して陽性あるいは陰性で, センチネルリンパ節からの小さな画像パッチのみを用いた乳癌検診に焦点をあてる。
我々は、この目的のために診断モデルを構築するために、Python言語で畳み込みニューラルネットワークを設計する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning has been shown to be useful to detect breast cancer metastases
by analyzing whole slide images of sentinel lymph nodes. However, it requires
extensive scanning and analysis of all the lymph nodes slides for each case.
Our deep learning study focuses on breast cancer screening with only a small
set of image patches from any sentinel lymph node, positive or negative for
metastasis, to detect changes in tumor environment and not in the tumor itself.
We design a convolutional neural network in the Python language to build a
diagnostic model for this purpose. The excellent results from this preliminary
study provided a proof of concept for incorporating automated metastatic screen
into the digital pathology workflow to augment the pathologists' productivity.
Our approach is unique since it provides a very rapid screen rather than an
exhaustive search for tumor in all fields of all sentinel lymph nodes.
- Abstract(参考訳): 深層学習はセンチネルリンパ節のスライド画像全体を解析することにより乳癌転移の検出に有用であることが示されている。
しかし,各症例のリンパ節スライスを広範囲にスキャンし,解析する必要がある。
本研究は乳がん検診に焦点をあて,センチネルリンパ節からのわずかな画像パッチのみを用いて,転移に対して陽性または陰性の乳がん検診を行い,腫瘍そのものではなく腫瘍環境の変化を検出することを目的とした。
我々は、この目的のために診断モデルを構築するために、python言語で畳み込みニューラルネットワークを設計する。
この予備研究の優れた成果は、デジタル病理学ワークフローに自動転移スクリーンを組み込むことで、病理医の生産性を高めるという概念の実証を提供した。
全センチネルリンパ節全領域の腫瘍を網羅的に検索するのではなく,極めて高速なスクリーンで検索できるため,本法は特異なアプローチである。
関連論文リスト
- SDF-Net: A Hybrid Detection Network for Mediastinal Lymph Node Detection on Contrast CT Images [38.69240497671607]
リンパ節を効果的に検出するSwing-Det Fusion Network (SDF-Net)を提案する。
SDF-Netはセグメンテーションと検出の両方の機能を統合し、さまざまな形状と大きさのリンパ節の検出能力を向上する。
論文 参考訳(メタデータ) (2024-09-10T08:27:44Z) - Hitchhiker's guide to cancer-associated lymphoid aggregates in histology
images: manual and deep learning-based quantification approaches [1.8074283261183142]
リンパ性集合体の定量化は、予後および予測的組織バイオマーカーを開発するための有望なアプローチである。
本稿では,ヘマトキシリンやエオシン染色などの定期的な病理組織から組織部分のリンパ性集合体を同定するための推奨事項について述べる。
我々は最近,HookNet-TLSと呼ばれる深層学習に基づくアルゴリズムを開発した。
論文 参考訳(メタデータ) (2024-03-06T15:32:05Z) - 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) - 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) - 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) - Predicting invasive ductal carcinoma using a Reinforcement Sample
Learning Strategy using Deep Learning [0.951828574518325]
浸潤性管癌の死因は女性で2番目に多い。
特定のマンモグラフィーの像の明瞭度や構造が変化しているため、がんの特徴を観察することは困難である。
本稿では乳房マンモグラフィー画像に畳み込みニューラルネットワークを新たに利用する腫瘍分類アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-05-26T14:14:45Z) - Mediastinal lymph nodes segmentation using 3D convolutional neural
network ensembles and anatomical priors guiding [0.0]
拡大および潜在的悪性リンパ節の存在を評価し、疾患の進行を適切に推定し、最良の治療戦略を選択する必要があります。
3D畳み込みニューラルネットワークの使用について,スラブ方式や全ボリュームのダウンサンプリングを利用する方法を検討した。
短軸直径$geq10$ mmの1178リンパ節では、私たちの最高のパフォーマンスアプローチは92%の患者ワイズリコール、5の患者ごとの偽陽性比と80.5%の分割重複に達しました。
論文 参考訳(メタデータ) (2021-02-11T14:51:34Z) - Gleason Grading of Histology Prostate Images through Semantic
Segmentation via Residual U-Net [60.145440290349796]
前立腺癌の最終診断は、病理学者による前立腺生検におけるGleasonパターンの視覚的検出に基づいている。
コンピュータ支援診断システムは、組織内のがんのパターンを分類し分類することができる。
この研究の方法論的核心は、がん組織を分節できる残留ブロックで修正された画像分割のためのU-Net畳み込みニューラルネットワークである。
論文 参考訳(メタデータ) (2020-05-22T19:49:10Z) - A Study of Deep Learning Colon Cancer Detection in Limited Data Access
Scenarios [6.338265282525758]
分類と検出のためのディープラーニング手法は、大きな可能性を示しているが、多くの場合、大量のトレーニングデータを必要とする。
多くのがんタイプにおいて、データの不足はDLモデルをトレーニングするための障壁を生み出す。
リンパ節データが少ない,あるいはほとんどない癌転移を検出できることを示し,既存の注釈組織学的データが他の領域に一般化できる可能性を示した。
論文 参考訳(メタデータ) (2020-05-20T19:28:07Z) - 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) - Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。
提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
論文 参考訳(メタデータ) (2020-02-03T22:25:01Z)
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。