論文の概要: Deep Learning for Predicting Metastasis on Melanoma WSIs

• arxiv url: http://arxiv.org/abs/2303.05752v1
• Date: Fri, 10 Mar 2023 07:40:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-13 15:51:19.851357
• Title: Deep Learning for Predicting Metastasis on Melanoma WSIs
• Title（参考訳）: メラノーマWSIの転移予測のための深層学習
• Authors: Christopher Andreassen, Saul Fuster, Helga Hardardottir, Emiel A.M. Janssen, Kjersti Engan
• Abstract要約: 北ヨーロッパではメラノーマの死亡率が世界第2位である。 悪性黒色腫の予後は、病理医が患者の腫瘍を主観的に分析することに基づいている。 本稿では,VGG16をベースとした畳み込みニューラルネットワーク(CNN)を用いて,転移の有無を5年以内に予測する。
• 参考スコア（独自算出の注目度）: 1.4724454726700604
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Northern Europe has the second highest mortality rate of melanoma globally. In 2020, the mortality rate of melanoma rose to 1.9 per 100 000 habitants. Melanoma prognosis is based on a pathologist's subjective visual analysis of the patient's tumor. This methodology is heavily time-consuming, and the prognosis variability among experts is notable, drastically jeopardizing its reproducibility. Thus, the need for faster and more reproducible methods arises. Machine learning has paved its way into digital pathology, but so far, most contributions are on localization, segmentation, and diagnostics, with little emphasis on prognostics. This paper presents a convolutional neural network (CNN) method based on VGG16 to predict melanoma prognosis as the presence of metastasis within five years. Patches are extracted from regions of interest from Whole Slide Images (WSIs) at different magnification levels used in model training and validation. Results infer that utilizing WSI patches at 20x magnification level has the best performance, with an F1 score of 0.7667 and an AUC of 0.81.
• Abstract（参考訳）: 北ヨーロッパのメラノーマの死亡率は世界第2位である。 2020年、メラノーマの死亡率は100万人当たり1.9に増加した。 悪性黒色腫の予後は、病理学者による患者の腫瘍の主観的視覚的解析に基づいている。 この手法は非常に時間がかかり、専門家の予後の変動が顕著であり、再現性を大幅に損なう。 したがって、より高速で再現可能な方法の必要性が生じる。 機械学習はデジタル病理学に足を踏み入れてきたが、これまでのところ、ほとんどの貢献はローカライゼーション、セグメンテーション、診断であり、予後をあまり重視していない。 本稿では,VGG16をベースとした畳み込みニューラルネットワーク(CNN)を用いて,転移の有無を5年以内に予測する。 パッチはモデルトレーニングや検証で使用される拡大レベルによって、全体スライド画像(wsis)から関心領域から抽出される。 その結果、WSIパッチを20倍の倍率で利用する場合、F1スコアが0.7667、AUCが0.81である。

関連論文リスト

• Advanced Hybrid Deep Learning Model for Enhanced Classification of Osteosarcoma Histopathology Images [0.0]
  本研究は, 小児および思春期において最も多い骨癌である骨肉腫(OS)に焦点を当て, 腕と足の長い骨に影響を及ぼす。 我々は、OSの診断精度を向上させるために、畳み込みニューラルネットワーク(CNN)と視覚変換器(ViT)を組み合わせた新しいハイブリッドモデルを提案する。 このモデルは精度99.08%、精度99.10%、リコール99.28%、F1スコア99.23%を達成した。
  論文  参考訳（メタデータ） (2024-10-29T13:54:08Z)
• Skin Cancer Images Classification using Transfer Learning Techniques [0.0]
  良性期における皮膚癌の早期診断は、がん死亡率の低下に重要である。 これまで,様々な深層学習モデルを用いた皮膚癌診断の課題に対処してきた。 本研究は, 良性および悪性期における皮膚癌検出のバイナリ分類に, 5種類の事前学習型トランスファーラーニングアプローチを適用した。
  論文  参考訳（メタデータ） (2024-06-18T15:48:20Z)
• Enhancing Clinically Significant Prostate Cancer Prediction in T2-weighted Images through Transfer Learning from Breast Cancer [71.91773485443125]
  転送学習は、よりリッチなデータを持つドメインから取得した機能を活用して、限られたデータを持つドメインのパフォーマンスを向上させるテクニックである。 本稿では,T2強調画像における乳癌からの転移学習による臨床的に有意な前立腺癌予知の改善について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:57:27Z)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• 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)
• Detection and Localization of Melanoma Skin Cancer in Histopathological Whole Slide Images [1.0962389869127878]
  皮膚がんの発生が予想される増加と皮膚病理学者の足跡は、計算病理学(CPATH)システムの必要性を強調している。 本論文は,WSI(Whole Slide Images)における悪性黒色腫の検出と正常皮膚と良性悪性黒色腫病変の鑑別のためのDL法を提案する。 本手法は, 病変を高精度に検出し, 病理医の関心領域を特定するためにWSI上に局在する。
  論文  参考訳（メタデータ） (2023-02-06T18:54:14Z)
• Multiple EffNet/ResNet Architectures for Melanoma Classification [3.047409448159345]
  メラノーマは最も悪性の皮膚腫瘍であり、通常は正常なモルから発生する。 EffNetとResnetに基づくメラノーマ分類モデルを提案する。 当モデルでは, 同一患者の画像だけでなく, 患者レベルの文脈情報も活用し, がんの予測精度の向上を図る。
  論文  参考訳（メタデータ） (2022-04-21T14:46:55Z)
• Breast Cancer Induced Bone Osteolysis Prediction Using Temporal Variational Auto-Encoders [65.95959936242993]
  骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。 乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
  論文  参考訳（メタデータ） (2022-03-20T21:00:10Z)
• Multi-Scale Input Strategies for Medulloblastoma Tumor Classification using Deep Transfer Learning [59.30734371401316]
  乳腺芽腫は小児で最も多い悪性脳腫瘍である。 CNNはMBサブタイプ分類に有望な結果を示した。 タイルサイズと入力戦略の影響について検討した。
  論文  参考訳（メタデータ） (2021-09-14T09:42:37Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• An Attention-based Weakly Supervised framework for Spitzoid Melanocytic Lesion Diagnosis in WSI [1.0948946179065253]
  メラノーマは皮膚がんによる死の大半の原因となる攻撃的な腫瘍である。 診断と予後のための金の基準は、皮膚生検の分析である。 改良型畳み込みニューラルネットワーク(CNN)を用いた誘導伝達学習に基づく,エンドツーエンドの弱い教師付き深層学習モデルを提案する。 本フレームワークは、腫瘍パッチレベルパターンの発見を担当するソースモデルと、生検の特定診断に焦点を当てたターゲットモデルとから構成される。
  論文  参考訳（メタデータ） (2021-04-20T10:18:57Z)

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。