論文の概要: Artificial-intelligence-based molecular classification of diffuse gliomas using rapid, label-free optical imaging

• arxiv url: http://arxiv.org/abs/2303.13610v1
• Date: Thu, 23 Mar 2023 18:50:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-27 16:49:43.539182
• Title: Artificial-intelligence-based molecular classification of diffuse gliomas using rapid, label-free optical imaging
• Title（参考訳）: 迅速・無ラベル光イメージングを用いたびまん性グリオーマの人工知能に基づく分子分類
• Authors: Todd C. Hollon, Cheng Jiang, Asadur Chowdury, Mustafa Nasir-Moin, Akhil Kondepudi, Alexander Aabedi, Arjun Adapa, Wajd Al-Holou, Jason Heth, Oren Sagher, Pedro Lowenstein, Maria Castro, Lisa Irina Wadiura, Georg Widhalm, Volker Neuschmelting, David Reinecke, Niklas von Spreckelsen, Mitchel S. Berger, Shawn L. Hervey-Jumper, John G. Golfinos, Matija Snuderl, Sandra Camelo-Piragua, Christian Freudiger, Honglak Lee, Daniel A. Orringer
• Abstract要約: DeepGliomaは人工知能に基づく診断スクリーニングシステムである。 ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
• 参考スコア（独自算出の注目度）: 59.79875531898648
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Molecular classification has transformed the management of brain tumors by enabling more accurate prognostication and personalized treatment. However, timely molecular diagnostic testing for patients with brain tumors is limited, complicating surgical and adjuvant treatment and obstructing clinical trial enrollment. In this study, we developed DeepGlioma, a rapid ($< 90$ seconds), artificial-intelligence-based diagnostic screening system to streamline the molecular diagnosis of diffuse gliomas. DeepGlioma is trained using a multimodal dataset that includes stimulated Raman histology (SRH); a rapid, label-free, non-consumptive, optical imaging method; and large-scale, public genomic data. In a prospective, multicenter, international testing cohort of patients with diffuse glioma ($n=153$) who underwent real-time SRH imaging, we demonstrate that DeepGlioma can predict the molecular alterations used by the World Health Organization to define the adult-type diffuse glioma taxonomy (IDH mutation, 1p19q co-deletion and ATRX mutation), achieving a mean molecular classification accuracy of $93.3\pm 1.6\%$. Our results represent how artificial intelligence and optical histology can be used to provide a rapid and scalable adjunct to wet lab methods for the molecular screening of patients with diffuse glioma.
• Abstract（参考訳）: 分子分類は、より正確な予後とパーソナライズされた治療を可能にし、脳腫瘍の管理を変革した。 しかし、脳腫瘍患者の時間的分子診断検査は限定的であり、外科的および補助的治療を複雑にし、臨床試験を妨害する。 本研究では, 拡散性グリオーマの分子診断を効率化する, 迅速(90ドル秒)の人工知能診断スクリーニングシステムであるDeepGliomaを開発した。 DeepGliomaは、刺激されたラマン組織学(SRH)、迅速でラベルのない非接触型光学イメージング法、大規模でパブリックなゲノムデータを含むマルチモーダルデータセットを使用して訓練されている。 リアルタイムsrhイメージングを行ったびまん性グリオーマ (n=153$) の多施設的国際検査コホートにおいて, 深層グリオーマは成人型びまん性グリオーマ分類法 (idh変異, 1p19q共欠およびatrx変異) を定義するために世界保健機関 (who) が使用する分子変化を予測でき, 平均分子分類精度は93.3\pm 1.6\%である。 本研究は, びまん性グリオーマの分子スクリーニングのための迅速かつスケーラブルなウェットラボ法を提供するために, 人工知能と光学組織学をどのように利用するかを示す。

関連論文リスト

• Let it shine: Autofluorescence of Papanicolaou-stain improves AI-based cytological oral cancer detection [3.1850395068284785]
  早期に検出された口腔癌は治療可能であるが、後期に致命的になることが多い。 コンピュータ支援法は、費用対効果と正確な細胞学的解析に不可欠である。 本研究は,マルチモーダルイメージングとディープフュージョンを用いた,AIによる口腔癌検出の改善を目的とする。
  論文  参考訳（メタデータ） (2024-07-02T01:05:35Z)
• Multi-task Learning of Histology and Molecular Markers for Classifying Diffuse Glioma [9.082753496844731]
  組織学と分子マーカーを共同で予測する階層型マルチタスクマルチインスタンス学習フレームワークを提案する。 また,分子マーカーの共起をモデル化するために,共起確率に基づくラベル補正グラフネットワークを提案する。 以上の結果から,本手法はびまん性グリオーマの分類において,他の最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-03-26T23:00:00Z)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• Fluorescence molecular optomic signatures improve identification of tumors in head and neck specimens [5.486402205751873]
  組織分類のための光蛍光分子イメージングデータに放射線学的アプローチが拡張された「オプトミクス」 オプトミックは、蛍光によって伝達されるEGFR発現のテクスチャパターンの違いを探索することにより、腫瘍の同定を改善することを目指している。 改良された性能は、蛍光分子イメージングデータへの放射能アプローチの拡張が、蛍光誘導手術における癌検出に有望な画像解析技術を提供することを示している。
  論文  参考訳（メタデータ） (2022-08-29T00:06:25Z)
• 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)
• Contrastive Representation Learning for Rapid Intraoperative Diagnosis of Skull Base Tumors Imaged Using Stimulated Raman Histology [26.194247664756553]
  頭蓋底腫瘍の術中診断は,腫瘍の多様性と術中病理資源の不足により困難である。 頭蓋底腫瘍の迅速かつ正確な診断を可能とする,独立かつ平行な術中病理ワークフローを開発した。
  論文  参考訳（メタデータ） (2021-08-08T02:49:29Z)
• Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
  超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。 この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。 トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
  論文  参考訳（メタデータ） (2021-07-12T09:04:20Z)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• Lesion Mask-based Simultaneous Synthesis of Anatomic and MolecularMR Images using a GAN [59.60954255038335]
  提案するフレームワークは,ストレッチアウトアップサンプリングモジュール,ブレインアトラスエンコーダ,セグメンテーション一貫性モジュール,マルチスケールラベルワイド識別器から構成される。 実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-06-26T02:50:09Z)

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。