論文の概要: Self-supervised learning of a tailored Convolutional Auto Encoder for histopathological prostate grading

• arxiv url: http://arxiv.org/abs/2303.11837v1
• Date: Tue, 21 Mar 2023 13:29:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-22 14:56:48.729446
• Title: Self-supervised learning of a tailored Convolutional Auto Encoder for histopathological prostate grading
• Title（参考訳）: 病理組織学的前立腺グレーディングのための畳み込み型オートエンコーダの自己教師あり学習
• Authors: Zahra Tabatabaei, Adrian colomer, Kjersti Engan, Javier Oliver, Valery Naranjo
• Abstract要約: 前立腺癌は世界で2番目に多いがんであり、全体でも4番目に多いがんである。 特に3級(G3)と4級(G4)の鑑別が困難である。
• 参考スコア（独自算出の注目度）: 3.001570664569001
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: According to GLOBOCAN 2020, prostate cancer is the second most common cancer in men worldwide and the fourth most prevalent cancer overall. For pathologists, grading prostate cancer is challenging, especially when discriminating between Grade 3 (G3) and Grade 4 (G4). This paper proposes a Self-Supervised Learning (SSL) framework to classify prostate histopathological images when labeled images are scarce. In particular, a tailored Convolutional Auto Encoder (CAE) is trained to reconstruct 128x128x3 patches of prostate cancer Whole Slide Images (WSIs) as a pretext task. The downstream task of the proposed SSL paradigm is the automatic grading of histopathological patches of prostate cancer. The presented framework reports promising results on the validation set, obtaining an overall accuracy of 83% and on the test set, achieving an overall accuracy value of 76% with F1-score of 77% in G4.
• Abstract（参考訳）: GLOBOCAN 2020によると、前立腺がんは世界で2番目に多いがんであり、全体でも4番目に多いがんである。 病理学者にとって、前立腺がんのグレーディングは、特にグレード3(g3)とグレード4(g4)の区別において困難である。 本稿では,ラベル付き画像の不足時に前立腺病理像を分類するための自己教師付き学習(ssl)フレームワークを提案する。 特に、前立腺がんの128x128x3パッチ(WSI)をプリテキストタスクとして再構築するために、調整された畳み込みオートエンコーダ(CAE)が訓練されている。 提案するSSLパラダイムの下流課題は,前立腺癌の病理組織学的パッチの自動評価である。 提案フレームワークは,検証セットに有望な結果,総合精度83%,テストセットに有望な結果を報告し,総合精度76%,F1スコア77%をG4で達成した。

関連論文リスト

• Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
  カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。 拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。 本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
  論文  参考訳（メタデータ） (2023-11-30T15:11:03Z)
• ProstAttention-Net: A deep attention model for prostate cancer segmentation by aggressiveness in MRI scans [4.964026843682986]
  本稿では,前立腺と癌病変をGleason score (GS) group gradingと共同で分割する,新しいエンドツーエンドのマルチクラスネットワークを提案する。 前立腺全体の2.9偽陽性では69.0%$pm$14.5%、末梢領域(PZ)のみを考慮すると1.5偽陽性では70.8%$pm$14.4%である。
  論文  参考訳（メタデータ） (2022-11-23T16:21:21Z)
• 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)
• Comprehensive study of good model training for prostate segmentation in volumetric MRI [0.0]
  前立腺の予測課題に適応することで,いくつかの深層学習モデルを徹底的に研究する。 私のアプローチはResNext101 3DエンコーダとUnet3Dデコーダをベースにしています。
  論文  参考訳（メタデータ） (2022-08-29T15:14:48Z)
• 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)
• 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)
• 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)
• Prostate Tissue Grading with Deep Quantum Measurement Ordinal Regression [0.0]
  Gleason score (GS) システムは前立腺癌を分類する標準的な方法である。 病理学者は前立腺の癌細胞の配列を調べ、6から10の範囲のスケールでスコアを割り当てます。 本稿では,前立腺WSIからGSを推定できる確率論的深層学習順序分類法を提案する。
  論文  参考訳（メタデータ） (2021-03-04T17:52:00Z)
• Feature Fusion of Raman Chemical Imaging and Digital Histopathology using Machine Learning for Prostate Cancer Detection [0.0]
  本研究は, 染色デジタル組織学 (DP) と非定常ラマンケミカルイメージング (RCI) によるマルチモーダル画像を用いた。 この仮説は、マルチモーダル画像モデルが診断精度の点で単一のモダリティベースラインモデルより優れているかどうかを検証した。
  論文  参考訳（メタデータ） (2021-01-18T22:11:42Z)
• 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)

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。