論文の概要: Increasing the usefulness of already existing annotations through WSI registration

• arxiv url: http://arxiv.org/abs/2303.06727v1
• Date: Sun, 12 Mar 2023 18:50:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-14 17:07:21.308067
• Title: Increasing the usefulness of already existing annotations through WSI registration
• Title（参考訳）: WSI登録による既存のアノテーションの有用性の向上
• Authors: Philippe Weitz, Viktoria Sartor, Balazs Acs, Stephanie Robertson, Daniel Budelmann, Johan Hartman, Mattias Rantalainen
• Abstract要約: 我々は,H&E の WSI で作成されたアノテーションを IHC のアノテーションに登録する可能性について検討する。 H&EからKI67WSIに登録されたアノテーションで訓練されたがん検出CNNは、校正ではわずかに異なるが、性能は異なる。
• 参考スコア（独自算出の注目度）: 0.02770822269241973
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computational pathology methods have the potential to improve access to precision medicine, as well as the reproducibility and accuracy of pathological diagnoses. Particularly the analysis of whole-slide-images (WSIs) of immunohistochemically (IHC) stained tissue sections could benefit from computational pathology methods. However, scoring biomarkers such as KI67 in IHC WSIs often necessitates the detection of areas of invasive cancer. Training cancer detection models often requires annotations, which is time-consuming and therefore costly. Currently, cancer regions are typically annotated in WSIs of haematoxylin and eosin (H&E) stained tissue sections. In this study, we investigate the possibility to register annotations that were made in H&E WSIs to their IHC counterparts. Two pathologists annotated regions of invasive cancer in WSIs of 272 breast cancer cases. For each case, a matched H&E and KI67 WSI are available, resulting in 544 WSIs with invasive cancer annotations. We find that cancer detection CNNs that were trained with annotations registered from the H&E to the KI67 WSIs only differ slightly in calibration but not in performance compared to cancer detection models trained on annotations made directly in the KI67 WSIs in a test set consisting of 54 cases. The mean slide-level AUROC is 0.974 [0.964, 0.982] for models trained with the KI67 annotations and 0.974 [0.965, 0.982] for models trained using registered annotations. This indicates that WSI registration has the potential to reduce the need for IHC-specific annotations. This could significantly increase the usefulness of already existing annotations.
• Abstract（参考訳）: 計算病理学の手法は、病的診断の再現性と精度と同様に、精密医療へのアクセスを改善する可能性がある。 特に免疫組織化学的(ihc)染色組織切片の全スライド像(wsis)の解析は,計算病理学的手法の恩恵を受けることができた。 しかし、IHC WSIsにおけるKI67などのバイオマーカーの評価は、しばしば浸潤癌の領域の検出を必要とする。 がん検出モデルの訓練には、しばしばアノテーションが必要である。 現在、がん領域は、通常、ヘマトキシリンとエオシン(H&E)染色組織セクションのWSIにアノテートされている。 本研究では,H&E の WSI で作成されたアノテーションを IHC に登録する可能性を検討する。 2人の病理学者が272人の乳癌症例のwsisに浸潤癌の領域を注記した。 いずれの場合も、一致したH&EとKI67 WSIが利用可能であり、544 WSIに浸潤性癌アノテーションがある。 54例からなる検査セットにおいて、h&eからki67 wsisに登録されたアノテーションで訓練された癌検出cnnは、キャリブレーションにおいてわずかに異なるが、ki67 wsisで直接作成したアノテーションで訓練された癌検出モデルに比べ、性能に差がないことが判明した。 ki67アノテーションでトレーニングされたモデルの平均スライドレベルaurocは0.974 [0.964, 0.982]、登録アノテーションでトレーニングされたモデルでは0.974 [0.965, 0.982]である。 これは、wsi 登録が ihc 固有のアノテーションの必要性を減らす可能性があることを示している。 これにより、既存のアノテーションの有用性が大幅に向上する可能性がある。

関連論文リスト

• Novel Clinical-Grade Prostate Cancer Detection and Grading Model: Development and Prospective Validation Using Real World Data, with Performance Assessment on IHC Requested Cases [1.9729379339863824]
  本研究では,前立腺癌検出,グレーディング,ワークフロー最適化のための制度的に開発されたシステムの性能について検討した。 We developed model for cancer detection, grading and screening of equivocal case for IHC ordering。
  論文  参考訳（メタデータ） (2024-10-31T05:29:18Z)
• Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
  本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。 本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
  論文  参考訳（メタデータ） (2024-05-23T07:03:38Z)
• Variational Autoencoders for Feature Exploration and Malignancy Prediction of Lung Lesions [0.0]
  肺がんはイギリスで21%のがん死の原因となっている。 最近の研究は、定期的なスキャンから肺がんの正確な早期診断のためのAI手法の能力を実証している。 本研究では, 変異型オートエンコーダ(VAE)の肺癌病変に対する応用について検討した。
  論文  参考訳（メタデータ） (2023-11-27T11:12:33Z)
• Beyond attention: deriving biologically interpretable insights from weakly-supervised multiple-instance learning models [2.639541396835675]
  本稿では,高精細エンコーダによるタイルレベルのアテンションと予測スコアを組み合わせたPAWマップを提案する。 また, PAWマップと核分割マスクを統合することにより, 生物学的特徴のインスタンス化手法も導入する。 本手法により, 予後不良の予知を行う領域は, 腫瘍部位と同一位置にあることが判明した。
  論文  参考訳（メタデータ） (2023-09-07T09:44:35Z)
• ACROBAT -- a multi-stain breast cancer histological whole-slide-image data set from routine diagnostics for computational pathology [1.6619031082709266]
  ハエマトキシリンおよびエオシン (H&E) を染色したFFPE組織分画の解析は, 外科切除乳癌検体における病理学的評価に欠かせない部分である。 このデータセットは、計算病理学研究の様々な方法を可能にする可能性を秘めている。
  論文  参考訳（メタデータ） (2022-11-24T14:16:36Z)
• WSSS4LUAD: Grand Challenge on Weakly-supervised Tissue Semantic Segmentation for Lung Adenocarcinoma [51.50991881342181]
  この課題には10,091個のパッチレベルのアノテーションと1300万以上のラベル付きピクセルが含まれる。 第一位チームは0.8413mIoUを達成した(腫瘍:0.8389、ストーマ:0.7931、正常:0.8919)。
  論文  参考訳（メタデータ） (2022-04-13T15:27:05Z)
• Report-Guided Automatic Lesion Annotation for Deep Learning-Based Prostate Cancer Detection in bpMRI [0.0]
  臨床報告に基づく自動アノテーションは手動ラベル付けのボトルネックを克服する可能性がある。 臨床的に有意な前立腺癌(csPCa)のアノテーションが得られた。 自動ラベル付け試験によるトレーニングセットの強化は、患者ベースの診断領域を改善した。
  論文  参考訳（メタデータ） (2021-12-09T15:35:32Z)
• 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)
• Label Cleaning Multiple Instance Learning: Refining Coarse Annotations on Single Whole-Slide Images [83.7047542725469]
  病理検体の全スライディング画像(WSI)における癌領域のアノテーションは、臨床診断、生医学研究、機械学習アルゴリズムの開発において重要な役割を担っている。 本稿では,外部トレーニングデータを必要とせず,単一のWSI上で粗いアノテーションを洗練するためのLC-MIL (Label Cleaning Multiple Instance Learning) を提案する。 乳癌リンパ節転移,肝癌,大腸癌の検体を併用した異種 WSI 実験の結果,LC-MIL は粗いアノテーションを著しく改善し,単一スライドから学習しながらも,最先端の代替品よりも優れていた。
  論文  参考訳（メタデータ） (2021-09-22T15:06:06Z)
• 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)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)

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。