論文の概要: Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging

• arxiv url: http://arxiv.org/abs/2304.05899v1
• Date: Wed, 12 Apr 2023 15:08:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-13 14:33:00.782083
• Title: Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging
• Title（参考訳）: cancer-net bca-s:synthetic correlationd diffusion imagingを用いた大容量深部x線像を用いた乳癌診断
• Authors: Chi-en Amy Tai, Hayden Gunraj, Alexander Wong
• Abstract要約: 乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。 金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。 本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
• 参考スコア（独自算出の注目度）: 82.74877848011798
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The prevalence of breast cancer continues to grow, affecting about 300,000 females in the United States in 2023. However, there are different levels of severity of breast cancer requiring different treatment strategies, and hence, grading breast cancer has become a vital component of breast cancer diagnosis and treatment planning. Specifically, the gold-standard Scarff-Bloom-Richardson (SBR) grade has been shown to consistently indicate a patient's response to chemotherapy. Unfortunately, the current method to determine the SBR grade requires removal of some cancer cells from the patient which can lead to stress and discomfort along with costly expenses. In this paper, we study the efficacy of deep learning for breast cancer grading based on synthetic correlated diffusion (CDI$^s$) imaging, a new magnetic resonance imaging (MRI) modality and found that it achieves better performance on SBR grade prediction compared to those learnt using gold-standard imaging modalities. Hence, we introduce Cancer-Net BCa-S, a volumetric deep radiomics approach for predicting SBR grade based on volumetric CDI$^s$ data. Given the promising results, this proposed method to identify the severity of the cancer would allow for better treatment decisions without the need for a biopsy. Cancer-Net BCa-S has been made publicly available as part of a global open-source initiative for advancing machine learning for cancer care.
• Abstract（参考訳）: 乳がんの流行は増え続け、2023年には米国で約30万人の女性に影響を与えている。 しかし, 乳がんの重症度は, 治療戦略が異なるため, 乳がんの診断・治療計画において重要な要素となっている。 具体的には、SBR(Scarff-Bloom-Richardson)グレードは、連続して化学療法に対する患者の反応を示すことが示されている。 残念ながら、現在のSBRグレードを決定するには、コストのかかる費用とともにストレスや不快感を引き起こす可能性がある患者から一部のがん細胞を除去する必要がある。 本稿では,新しいmri法であるcdi$^s$ (cdi$^s$) 画像を用いた乳癌診断における深層学習の有効性について検討し, 金標準画像法よりsbrグレード予測の精度が向上することを確認した。 そこで本研究では,体積cdi$^s$データに基づくsbrグレードの予測法である cancer-net bca-s を提案する。 有望な結果を考えると、癌の重症度を特定するための提案手法は、生検を必要とせず、より良い治療決定を可能にする。 Cancer-Net BCa-Sは、がん治療のための機械学習を推進するためのグローバルなオープンソースイニシアチブの一部として公開されている。

関連論文リスト

• Deep Transfer Learning for Breast Cancer Classification [0.0]
  ディープトランスファー学習は、乳癌の分類を改善するための有望な手法として登場した。 本研究では,VGG,ViT,Resnetを用いて浸潤性直腸癌 (IDC) 画像の分類を行った。 その結果、Resnet-34は90.40%の精度でがん画像の分類が可能となった。
  論文  参考訳（メタデータ） (2024-09-05T15:54:41Z)
• Optimizing Synthetic Correlated Diffusion Imaging for Breast Cancer Tumour Delineation [71.91773485443125]
  CDI$s$ - 最適化されたモダリティにより最高のAUCが達成され、金標準のモダリティが0.0044より優れていることを示す。 特に、最適化されたCDI$s$モダリティは、最適化されていないCDI$s$値よりも0.02以上のAUC値を達成する。
  論文  参考訳（メタデータ） (2024-05-13T16:07:58Z)
• 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)
• A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
  Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。 Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
  論文  参考訳（メタデータ） (2023-04-12T05:41:44Z)
• Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
  深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。 我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。 提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-11-10T03:02:12Z)

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。