Fugu-MT 論文翻訳(概要): Detecting Histologic Glioblastoma Regions of Prognostic Relevance

論文の概要: Detecting Histologic Glioblastoma Regions of Prognostic Relevance

arxiv url: http://arxiv.org/abs/2302.00669v1
Date: Wed, 1 Feb 2023 18:56:09 GMT
ステータス: 処理完了
システム内更新日: 2023-02-02 16:49:48.916057
Title: Detecting Histologic Glioblastoma Regions of Prognostic Relevance
Title（参考訳）: 予後関連組織型グリオーマ領域の検出
Authors: Bhakti Baheti, Shubham Innani, Garv Mehdiratta, MacLean P. Nasrallah, and Spyridon Bakas
Abstract要約: グリオ芽腫は中枢神経系で最も一般的で攻撃的な悪性成人腫瘍である。ここでは,スライド画像全体において予後に関連のあるグリオ芽腫の形態パターンの同定に焦点をあてる。診断値の高いパターンを自動的に識別し、WSIを短命または長期生存者の代表として分類する。
参考スコア（独自算出の注目度）: 5.359236626618472
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Glioblastoma is the most common and aggressive malignant adult tumor of the central nervous system, with grim prognosis and heterogeneous morphologic and molecular profiles. Since the adoption of the current standard of care treatment, 18 years ago, there are no substantial prognostic improvements noticed. Accurate prediction of patient overall survival (OS) from clinical histopathology whole slide images (WSI) using advanced computational methods could contribute to optimization of clinical decision making and patient management. Here, we focus on identifying prognostically relevant glioblastoma morphologic patterns on H&E stained WSI. The exact approach capitalizes on the comprehensive WSI curation of apparent artifactual content and on an interpretability mechanism via a weakly supervised attention based multiple instance learning algorithm that further utilizes clustering to constrain the search space. The automatically identified patterns of high diagnostic value are used to classify the WSI as representative of a short or a long survivor. Identifying tumor morphologic patterns associated with short and long OS will allow the clinical neuropathologist to provide additional prognostic information gleaned during microscopic assessment to the treating team, as well as suggest avenues of biological investigation for understanding and potentially treating glioblastoma.
Abstract（参考訳）: グリオ芽腫は中枢神経系で最も一般的で攻撃的な悪性成人腫瘍であり、グリム予後と異種形態および分子的特徴がある。 18年前の現在の治療基準が採用されて以来、実質的な予後改善は認められていない。臨床病理組織学的全体像(WSI)からの患者総合生存率(OS)の正確な予測は,臨床意思決定と患者管理の最適化に寄与すると考えられた。そこで本研究では,H&E染色WSIにおける予後関連グリオ芽腫の形態パターンの同定に焦点をあてる。正確なアプローチは、見かけのアーティファクトコンテンツの包括的wsiキュレーションと、探索空間を制約するためにクラスタリングをさらに活用する、弱い教師付き注意に基づく複数インスタンス学習アルゴリズムによる解釈可能性メカニズムに基く。診断値の高い自動識別パターンは、wsiを短命または長生きの代表として分類するために使用される。短くて長いosに関連する腫瘍形態学的パターンを同定することで、臨床神経病理学者は、顕微鏡的評価中に得られた追加の予後情報を治療チームに提供し、またグリオブラスト腫の理解と治療のための生物学的研究の道筋を示唆することができる。

関連論文リスト

TopOC: Topological Deep Learning for Ovarian and Breast Cancer Diagnosis [3.262230127283452]
トポロジカルデータ分析は、異なる色チャネルにわたるトポロジカルパターンの評価を通じて重要な情報を抽出することで、ユニークなアプローチを提供する。卵巣癌と乳癌では, トポロジカルな特徴を取り入れることで, 腫瘍型の分化が著しく向上することが示唆された。
論文参考訳（メタデータ） (2024-10-13T12:24:13Z)
HistoGym: A Reinforcement Learning Environment for Histopathological Image Analysis [9.615399811006034]
HistoGymは、医師の実際の過程を模倣して、スライド画像全体の診断を促進することを目的としている。私たちは、WSIベースのシナリオと選択された地域ベースのシナリオを含む、さまざまな臓器や癌のシナリオを提供しています。
論文参考訳（メタデータ） (2024-08-16T17:19:07Z)
Large-scale cervical precancerous screening via AI-assisted cytology whole slide image analysis [11.148919818020495]
頸部がんは婦人科における主要な悪性腫瘍であり続けており、世界規模で女性の健康に永続的な脅威をもたらしている。 Whole Slide Image (WSI) による早期スクリーニングは、このがんの進行を予防し、生存率を向上させるために重要である。しかし、病理学者の単体検査は、WSI内でレビューする必要がある膨大な数の細胞のために、必然的に偽陰性に悩まされる。
論文参考訳（メタデータ） (2024-07-28T15:29:07Z)
Exploiting segmentation labels and representation learning to forecast therapy response of PDAC patients [60.78505216352878]
化学療法に対する腫瘍反応を予測するためのハイブリッドディープニューラルネットワークパイプラインを提案する。セグメンテーションから分類への表現伝達の組み合わせと、ローカライゼーションと表現学習を利用する。提案手法は, 合計477個のデータセットを用いて, ROC-AUC 63.7% の処理応答を予測できる, 極めて効率的な手法である。
論文参考訳（メタデータ） (2022-11-08T11:50:31Z)
Trustworthy Visual Analytics in Clinical Gait Analysis: A Case Study for Patients with Cerebral Palsy [43.55994393060723]
gaitXplorerは、CP関連歩行パターンの分類のための視覚分析手法である。 Grad-CAMは、機械学習の分類の説明のために、よく確立された説明可能な人工知能アルゴリズムである。
論文参考訳（メタデータ） (2022-08-10T09:21:28Z)
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)
Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文参考訳（メタデータ） (2021-10-27T19:28:36Z)
A Precision Diagnostic Framework of Renal Cell Carcinoma on Whole-Slide Images using Deep Learning [4.823436898659051]
深層畳み込みニューラルネットワーク(InceptionV3)は、The Cancer Genome Atlasの高品質な注釈付きデータセットに基づいて訓練された。我々の枠組みは、がん領域の検出や、どのがんタイプにも適用可能なサブタイプやグレードの分類において、病理学者に役立てることができる。
論文参考訳（メタデータ） (2021-10-26T12:53:25Z)
Adaptive unsupervised learning with enhanced feature representation for intra-tumor partitioning and survival prediction for glioblastoma [12.36330256366686]
そこで本研究では, 腫瘍内パーティショニングとグリオ芽腫生存予測のための適応型非教師なし学習手法を提案する。新規かつ問題特異的な自動エンコーダ(FAE)を開発した。以上の結果から, 提案手法は, 堅牢で臨床的に関連のあるMRIサブリージョンと, 統計的に有意な生存予測をもたらすことが示唆された。
論文参考訳（メタデータ） (2021-08-21T02:47:59Z)
Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
論文参考訳（メタデータ） (2020-05-27T06:58:39Z)
Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
頭頸部腫瘍の早期発見は患者の生存に不可欠である。ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
論文参考訳（メタデータ） (2020-04-21T17:07:18Z)

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。