論文の概要: Non-Linear Self Augmentation Deep Pipeline for Cancer Treatment outcome Prediction

• arxiv url: http://arxiv.org/abs/2307.14398v1
• Date: Wed, 26 Jul 2023 15:01:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-28 16:55:27.084034
• Title: Non-Linear Self Augmentation Deep Pipeline for Cancer Treatment outcome Prediction
• Title（参考訳）: 癌治療結果予測のための非線形自己拡張ディープパイプライン
• Authors: Francesco Rundo, Concetto Spampinato, Michael Rundo
• Abstract要約: 著者らは、深い下流の分類器とともに非線形セルアーキテクチャを利用する革新的な戦略を提示している。 本研究の目的は,胸部CT像から抽出した2次元特徴を慎重に選択・拡張し,治療成績の予測を改善することである。 提案したパイプラインは、高度に組み込まれたPoint of Careシステムとシームレスに統合するように慎重に設計されている。
• 参考スコア（独自算出の注目度）: 7.455416595124159
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Immunotherapy emerges as promising approach for treating cancer. Encouraging findings have validated the efficacy of immunotherapy medications in addressing tumors, resulting in prolonged survival rates and notable reductions in toxicity compared to conventional chemotherapy methods. However, the pool of eligible patients for immunotherapy remains relatively small, indicating a lack of comprehensive understanding regarding the physiological mechanisms responsible for favorable treatment response in certain individuals while others experience limited benefits. To tackle this issue, the authors present an innovative strategy that harnesses a non-linear cellular architecture in conjunction with a deep downstream classifier. This approach aims to carefully select and enhance 2D features extracted from chest-abdomen CT images, thereby improving the prediction of treatment outcomes. The proposed pipeline has been meticulously designed to seamlessly integrate with an advanced embedded Point of Care system. In this context, the authors present a compelling case study focused on Metastatic Urothelial Carcinoma (mUC), a particularly aggressive form of cancer. Performance evaluation of the proposed approach underscores its effectiveness, with an impressive overall accuracy of approximately 93%
• Abstract（参考訳）: 免疫療法は癌治療に有望なアプローチとして現れる。 腫瘍治療における免疫療法の効果は, 従来の化学療法法と比較して長期生存率と毒性の顕著な低下がみられた。 しかし、免疫療法に適する患者のプールは依然として比較的小さく、特定の患者に好意的な治療反応をもたらす生理的メカニズムに関する包括的な理解の欠如が示唆されている。 この問題に取り組むため,著者らは,非線形セルアーキテクチャとディープ下流分類器を併用した革新的な戦略を提案する。 このアプローチは胸腹部ct画像から抽出した2次元特徴を慎重に選択・拡張し,治療結果の予測を改善することを目的としている。 提案したパイプラインは、高度に組み込まれたPoint of Careシステムとシームレスに統合するように慎重に設計されている。 この文脈で著者らは、特に攻撃的ながんである転移性尿路上皮癌(muc)に焦点を当てた説得力のあるケーススタディを提示した。 提案手法の性能評価は, 約93%の精度で, その効果を裏付けるものである。

関連論文リスト

• 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)
• Segmentation-based Assessment of Tumor-Vessel Involvement for Surgical Resectability Prediction of Pancreatic Ductal Adenocarcinoma [1.880228463170355]
  膵管腺癌 (PDAC) は, 治療の選択肢が限られる進行癌である。 本研究は,腫瘍血管の関与を自動的に評価するワークフローと深層学習に基づくセグメンテーションモデルを提案する。
  論文  参考訳（メタデータ） (2023-10-01T10:39:38Z)
• Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
  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。
  論文  参考訳（メタデータ） (2023-04-12T15:08:34Z)
• 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)
• 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)
• 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)
• A Deep Bayesian Bandits Approach for Anticancer Therapy: Exploration via Functional Prior [13.368491963797151]
  機械学習によるパーソナライズされたがん治療は がん患者が生存する可能性を改善する 素晴らしい約束です 近年の機械学習と精度オンコロジーの進歩にもかかわらず、このアプローチは依然として困難である。 本稿では,がん細胞株の文脈情報に基づいて抗がん治療をアルゴリズムが選択する「コンテキスト・バンディット」問題として薬物スクリーニング研究を定式化する。 本稿では,ゲノム的特徴と薬物構造からなるマルチモーダル情報に基づく薬物応答予測のために,薬物応答予測に先行して機能的を利用する新しいディープベイズ・バンディット・フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-05T21:56:14Z)
• 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)

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。