論文の概要: Interpretable histopathology-based prediction of disease relevant
features in Inflammatory Bowel Disease biopsies using weakly-supervised deep
learning
- arxiv url: http://arxiv.org/abs/2303.12095v2
- Date: Tue, 16 May 2023 14:56:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-17 18:40:02.920334
- Title: Interpretable histopathology-based prediction of disease relevant
features in Inflammatory Bowel Disease biopsies using weakly-supervised deep
learning
- Title（参考訳）: 弱い教師付き深層学習を用いた炎症性腸疾患生検における病理組織学的検討
- Authors: Ricardo Mokhtari and Azam Hamidinekoo and Daniel Sutton and Arthur
Lewis and Bastian Angermann and Ulf Gehrmann and Pal Lundin and Hibret Adissu
and Junmei Cairns and Jessica Neisen and Emon Khan and Daniel Marks and Nia
Khachapuridze and Talha Qaiser and Nikolay Burlutskiy
- Abstract要約: Crohn's Disease(CD)とUlcerative Colitis(UC)は2種類の炎症性腸疾患である。
深層学習モデルを構築し,CDおよびUCの組織学的特徴を内視鏡的ラベルのみを用いて同定した。
- 参考スコア（独自算出の注目度）: 0.8521205677945196
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Crohn's Disease (CD) and Ulcerative Colitis (UC) are the two main
Inflammatory Bowel Disease (IBD) types. We developed deep learning models to
identify histological disease features for both CD and UC using only endoscopic
labels. We explored fine-tuning and end-to-end training of two state-of-the-art
self-supervised models for predicting three different endoscopic categories (i)
CD vs UC (AUC=0.87), (ii) normal vs lesional (AUC=0.81), (iii) low vs high
disease severity score (AUC=0.80). We produced visual attention maps to
interpret what the models learned and validated them with the support of a
pathologist, where we observed a strong association between the models'
predictions and histopathological inflammatory features of the disease.
Additionally, we identified several cases where the model incorrectly predicted
normal samples as lesional but were correct on the microscopic level when
reviewed by the pathologist. This tendency of histological presentation to be
more severe than endoscopic presentation was previously published in the
literature. In parallel, we utilised a model trained on the Colon Nuclei
Identification and Counting (CoNIC) dataset to predict and explore 6 cell
populations. We observed correlation between areas enriched with the predicted
immune cells in biopsies and the pathologist's feedback on the attention maps.
Finally, we identified several cell level features indicative of disease
severity in CD and UC. These models can enhance our understanding about the
pathology behind IBD and can shape our strategies for patient stratification in
clinical trials.
- Abstract（参考訳）: crohn病 (cd) と潰瘍性大腸炎 (uc) は炎症性腸疾患 (ibd) の2つのタイプである。
内視鏡的ラベルのみを用いてcdとucの組織学的特徴を同定する深層学習モデルを開発した。
3種類の内視鏡的カテゴリ予測のための2つの最先端自己教師付きモデルの微調整とエンドツーエンドトレーニングについて検討した。
(i)CD対UC(AUC=0.87)
(ii)正常対病変(AUC=0.81)
(iii)低対高病重症度スコア(AUC=0.80)
モデルが学んだことを解釈し、病理学者の支援により検証するために視覚的注意マップを作成し、モデルの予測と疾患の病理組織学的炎症的特徴との間に強い関連があることを観察した。
また, 病理組織学的検討では, 正常標本を病変として誤って予測したが, 顕微鏡的に正しかった症例もいくつか見出した。
この組織学的提示傾向は内視鏡的提示よりも深刻である傾向が文献で以前に報告されている。
並行して,Colon Nuclei Identification and Counting (CoNIC)データセットをトレーニングしたモデルを用いて,6つの細胞集団の予測と探索を行った。
生検で予測された免疫細胞に富む領域と注意マップに対する病理医のフィードバックとの相関を観察した。
最後に,CDおよびUCの重症度を示すいくつかの細胞レベルの特徴を同定した。
これらのモデルは、IBDの背後にある病理の理解を深め、臨床試験における患者の成層化戦略を形成することができる。
関連論文リスト
- Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。
本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
論文 参考訳（メタデータ） (2024-07-08T09:08:42Z) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - 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) - MesoGraph: Automatic Profiling of Malignant Mesothelioma Subtypes from
Histological Images [0.0]
我々は,組織領域をセルレゾリューションに分解できるモデルを学ぶために,ランキング損失を低減した新しいデュアルタスクグラフニューラルネットワーク(GNN)アーキテクチャを開発した。
これにより、サンプル中の全ての細胞のサルコカトイド関連スコアに従って、腫瘍サンプルの定量的なプロファイリングが可能になる。
本モデルで同定された形態的相違は,病理学者が用いた既知の相違と一致することが判明した。
論文 参考訳（メタデータ） (2023-02-23T11:11:55Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳（メタデータ） (2023-02-16T17:06:23Z) - A Novel Self-Learning Framework for Bladder Cancer Grading Using
Histopathological Images [1.244681179922733]
組織像から膀胱癌を診断するための自己学習の枠組みについて検討した。
組織学的パッチを病のさまざまなレベルに分類できる新しいDeep Convolutional Embedded Attention Clustering (DCEAC)を提案する。
論文 参考訳（メタデータ） (2021-06-25T11:04:04Z) - Malignancy Prediction and Lesion Identification from Clinical
Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。
まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文 参考訳（メタデータ） (2021-04-02T20:52:05Z) - Personalized pathology test for Cardio-vascular disease: Approximate
Bayesian computation with discriminative summary statistics learning [48.7576911714538]
近似計算を用いて生物学的に有意なパラメータを推定するための血小板沈着モデルと推論手法を提案する。
この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
論文 参考訳（メタデータ） (2020-10-13T15:20:21Z) - Detecting ulcerative colitis from colon samples using efficient feature
selection and machine learning [1.5484595752241122]
潰瘍性大腸炎 (UC) は大腸粘膜層の炎症を特徴とする炎症性腸疾患(IBD)の1つである。
大腸サンプル中の32遺伝子の発現値に基づいて,健常者とUC患者を識別するモデルを構築した。
本モデルでは,全活動例を完全検出し,非活動例の平均精度は0.62であった。
論文 参考訳（メタデータ） (2020-08-04T14:56:45Z) - Diagnosis and Analysis of Celiac Disease and Environmental Enteropathy
on Biopsy Images using Deep Learning Approaches [0.6091702876917279]
セリアック病(CD)と環境腸症(EE)は栄養失調の一般的な原因であり、正常な幼児期発達に悪影響を及ぼす。
この診断技術の主な課題は染色問題である。
本研究の第2部では,CDの異なる段階を診断するための2つの方法を提案する。
本研究の第3部では、これらの2つのステップを階層的医用画像分類(HMIC)として組み合わせ、疾患データを階層的に診断するモデルを構築した。
論文 参考訳（メタデータ） (2020-06-11T17:25:29Z) - Dynamic Graph Correlation Learning for Disease Diagnosis with Incomplete
Labels [66.57101219176275]
胸部X線画像上の疾患診断は,多ラベル分類の課題である。
本稿では,異なる疾患間の相互依存を調査する新たな視点を提示する病的診断グラフ畳み込みネットワーク(DD-GCN)を提案する。
本手法は,相関学習のための動的隣接行列を用いた特徴写像上のグラフを初めて構築する手法である。
論文 参考訳（メタデータ） (2020-02-26T17:10:48Z)
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。