Fugu-MT 論文翻訳(概要): PathRTM: Real-time prediction of KI-67 and tumor-infiltrated lymphocytes

論文の概要: PathRTM: Real-time prediction of KI-67 and tumor-infiltrated lymphocytes

arxiv url: http://arxiv.org/abs/2305.00223v1
Date: Sun, 23 Apr 2023 08:17:26 GMT
ステータス: 処理完了
システム内更新日: 2023-05-07 16:01:55.661468
Title: PathRTM: Real-time prediction of KI-67 and tumor-infiltrated lymphocytes
Title（参考訳）: PathRTM: KI-67および腫瘍浸潤リンパ球のリアルタイム予測
Authors: Steven Zvi Lapp, Eli David, Nathan S. Netanyahu
Abstract要約: RTMDetをベースとした新しいディープニューラルネットワーク検出器であるPathRTMを導入し,KI-67自動増殖と腫瘍浸潤リンパ球推定を行った。 PathRTMは、KI-67免疫陽性、免疫陰性、およびリンパ球検出において、平均精度(AP)が41.3%である最先端のパフォーマンスを達成する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we introduce PathRTM, a novel deep neural network detector based on RTMDet, for automated KI-67 proliferation and tumor-infiltrated lymphocyte estimation. KI-67 proliferation and tumor-infiltrated lymphocyte estimation play a crucial role in cancer diagnosis and treatment. PathRTM is an extension of the PathoNet work, which uses single pixel keypoints for within each cell. We demonstrate that PathRTM, with higher-level supervision in the form of bounding box labels generated automatically from the keypoints using NuClick, can significantly improve KI-67 proliferation and tumorinfiltrated lymphocyte estimation. Experiments on our custom dataset show that PathRTM achieves state-of-the-art performance in KI-67 immunopositive, immunonegative, and lymphocyte detection, with an average precision (AP) of 41.3%. Our results suggest that PathRTM is a promising approach for accurate KI-67 proliferation and tumor-infiltrated lymphocyte estimation, offering annotation efficiency, accurate predictive capabilities, and improved runtime. The method also enables estimation of cell sizes of interest, which was previously unavailable, through the bounding box predictions.
Abstract（参考訳）: 本稿では,RTMDetに基づく新しいディープニューラルネットワーク検出器であるPathRTMを紹介し,KI-67自動増殖と腫瘍浸潤リンパ球推定について述べる。 KI-67は癌診断と治療において重要な役割を担っている。 PathRTMはPathoNetワークの拡張であり、各セル内で単一のピクセルキーポイントを使用する。 NuClick を用いてキーポイントから自動生成されるバウンディングボックスラベルの形で高レベルの監督を行う PathRTM は,KI-67 増殖と腫瘍浸潤性リンパ球推定を著しく改善できることを示した。 PathRTMはKI-67の免疫陽性,免疫陰性,リンパ球検出において,平均精度(AP)は41.3%である。以上の結果から,pathrtmはki-67の正確な増殖と腫瘍浸潤リンパ球の推定に有望なアプローチであることが示唆された。この方法は、バウンディングボックス予測を通じて、これまで使用できなかった関心のセルサイズの推定も可能にする。

関連論文リスト

MMIL: A novel algorithm for disease associated cell type discovery [58.044870442206914]
単一細胞データセットは、しばしば個々の細胞ラベルを欠いているため、病気に関連する細胞を特定することは困難である。セルレベルの分類器の訓練と校正を可能にする予測手法であるMixture Modeling for Multiple Learning Instance (MMIL)を導入する。
論文参考訳（メタデータ） (2024-06-12T15:22:56Z)
Regressor-free Molecule Generation to Support Drug Response Prediction [83.25894107956735]
目標IC50スコアに基づく条件生成により、より効率的なサンプリングスペースを得ることができる。回帰自由誘導は、拡散モデルのスコア推定と、数値ラベルに基づく回帰制御モデルの勾配を結合する。
論文参考訳（メタデータ） (2024-05-23T13:22:17Z)
Mixed Supervision of Histopathology Improves Prostate Cancer Classification from MRI [0.9395521049323435]
MRIによる非侵襲的前立腺癌検出は、患者のケアに革命をもたらす可能性がある。患者集団に適用可能な臨床上重要な前立腺癌を予測するためのMRIによる深達度学習法を提案する。
論文参考訳（メタデータ） (2022-12-13T02:34:57Z)
Exploiting segmentation labels and representation learning to forecast therapy response of PDAC patients [60.78505216352878]
化学療法に対する腫瘍反応を予測するためのハイブリッドディープニューラルネットワークパイプラインを提案する。セグメンテーションから分類への表現伝達の組み合わせと、ローカライゼーションと表現学習を利用する。提案手法は, 合計477個のデータセットを用いて, ROC-AUC 63.7% の処理応答を予測できる, 極めて効率的な手法である。
論文参考訳（メタデータ） (2022-11-08T11:50:31Z)
Generating counterfactual explanations of tumor spatial proteomes to discover effective strategies for enhancing immune infiltration [44.99833362998488]
腫瘍微小環境(TME)は免疫組成により癌予後に大きな影響を及ぼす。本稿では,T細胞浸潤予測を自己教師型機械学習問題として定式化する。悪性黒色腫,大腸癌肝転移,乳癌データに枠組みを応用し,T細胞浸潤が予測される摂動を発見した。
論文参考訳（メタデータ） (2022-11-08T05:46:02Z)
Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文参考訳（メタデータ） (2022-10-13T15:34:20Z)
Multi-scale Deep Learning Architecture for Nucleus Detection in Renal Cell Carcinoma Microscopy Image [7.437224586066945]
クリアセル腎細胞癌(CCRCC)は、腎癌の研究における腫瘍内異種性の最も一般的な形態の1つです。本稿では,IHC染色組織像の細胞分類のための深層学習に基づく検出モデルを提案する。本モデルでは,マルチスケールピラミッドの特徴と局所境界領域からのサリーエンシー情報をマッピングし,回帰によって境界ボックス座標を予測する。
論文参考訳（メタデータ） (2021-04-28T03:36:02Z)
Comparison of Machine Learning Classifiers to Predict Patient Survival and Genetics of GBM: Towards a Standardized Model for Clinical Implementation [44.02622933605018]
放射線モデルは、グリオ芽腫(GBM)の結果予測のための臨床データを上回ることが示されています。 GBM患者の生存率(OS),IDH変異,O-6-メチルグアニン-DNA-メチルトランスフェラーゼ(MGMT)プロモーターメチル化,EGFR(EGFR)VII増幅,Ki-67発現の9種類の機械学習分類器を比較した。 xgb は os (74.5%), ab for idh 変異 (88%), mgmt メチル化 (71,7%), ki-67 発現 (86,6%), egfr増幅 (81。
論文参考訳（メタデータ） (2021-02-10T15:10:37Z)
Accurate Prostate Cancer Detection and Segmentation on Biparametric MRI using Non-local Mask R-CNN with Histopathological Ground Truth [0.0]
我々は,bp-MRIにおける前立腺内病変の検出とセグメンテーションを改善するため,ディープラーニングモデルを開発した。前立腺切除術による脱線をMRIでトレーニングした。前立腺切除術をベースとした非局所的なMask R-CNNは、微調整と自己訓練により、すべての評価基準を大幅に改善した。
論文参考訳（メタデータ） (2020-10-28T21:07:09Z)
PathoNet: Deep learning assisted evaluation of Ki-67 and tumor infiltrating lymphocytes (TILs) as prognostic factors in breast cancer; A large dataset and baseline [2.4378845585726903]
そこで我々は,Ki-67免疫染色細胞検出・分類のための新しいパイプラインとバックエンド,PathoNetを導入する。課題に直面しながらも、提案するバックエンドであるPathoNetは、ハーモニック平均値で現在提案されている技術手法の状態を上回ります。
論文参考訳（メタデータ） (2020-10-09T17:55:52Z)

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。