Fugu-MT 論文翻訳(概要): Nuclear Pleomorphism in Canine Cutaneous Mast Cell Tumors: Comparison of Reproducibility and Prognostic Relevance between Estimates, Manual Morphometry and Algorithmic Morphometry

論文の概要: Nuclear Pleomorphism in Canine Cutaneous Mast Cell Tumors: Comparison of Reproducibility and Prognostic Relevance between Estimates, Manual Morphometry and Algorithmic Morphometry

arxiv url: http://arxiv.org/abs/2309.15031v3
Date: Thu, 23 May 2024 21:26:31 GMT
ステータス: 処理完了
システム内更新日: 2024-05-27 23:56:12.646549
Title: Nuclear Pleomorphism in Canine Cutaneous Mast Cell Tumors: Comparison of Reproducibility and Prognostic Relevance between Estimates, Manual Morphometry and Algorithmic Morphometry
Title（参考訳）: 犬皮膚乳腺腫瘍における核多型 : 予後と予後との関連性の比較 : 評価, 手動形態, アルゴリズム形態の比較
Authors: Andreas Haghofer, Eda Parlak, Alexander Bartel, Taryn A. Donovan, Charles-Antoine Assenmacher, Pompei Bolfa, Michael J. Dark, Andrea Fuchs-Baumgartinger, Andrea Klang, Kathrin Jäger, Robert Klopfleisch, Sophie Merz, Barbara Richter, F. Yvonne Schulman, Hannah Janout, Jonathan Ganz, Josef Scharinger, Marc Aubreville, Stephan M. Winkler, Matti Kiupel, Christof A. Bertram,
Abstract要約: 核の大きさと形状の変化は多くの腫瘍の悪性度の重要な基準である。本研究の目的は,犬皮膚マスト細胞腫瘍に対する代替形態計測法を開発することである。
参考スコア（独自算出の注目度）: 27.096840893847222
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Variation in nuclear size and shape is an important criterion of malignancy for many tumor types; however, categorical estimates by pathologists have poor reproducibility. Measurements of nuclear characteristics (morphometry) can improve reproducibility, but manual methods are time consuming. The aim of this study was to explore the limitations of estimates and develop alternative morphometric solutions for canine cutaneous mast cell tumors (ccMCT). We assessed the following nuclear evaluation methods for measurement accuracy, reproducibility, and prognostic utility: 1) anisokaryosis (karyomegaly) estimates by 11 pathologists; 2) gold standard manual morphometry of at least 100 nuclei; 3) practicable manual morphometry with stratified sampling of 12 nuclei by 9 pathologists; and 4) automated morphometry using a deep learning-based segmentation algorithm. The study dataset comprised 96 ccMCT with available outcome information. The study dataset comprised 96 ccMCT with available outcome information. Inter-rater reproducibility of karyomegaly estimates was low ($\kappa$ = 0.226), while it was good (ICC = 0.654) for practicable morphometry of the standard deviation (SD) of nuclear size. As compared to gold standard manual morphometry (AUC = 0.839, 95% CI: 0.701 - 0.977), the prognostic value (tumor-specific survival) of SDs of nuclear area for practicable manual morphometry (12 nuclei) and automated morphometry were high with an area under the ROC curve (AUC) of 0.868 (95% CI: 0.737 - 0.991) and 0.943 (95% CI: 0.889 - 0.996), respectively. This study supports the use of manual morphometry with stratified sampling of 12 nuclei and algorithmic morphometry to overcome the poor reproducibility of estimates.
Abstract（参考訳）: 核の大きさと形状の変化は多くの腫瘍の悪性度の重要な基準であるが、病理学者による分類学的評価は再現性に乏しい。核特性の測定(モルフォメトリー)は再現性を向上させるが、手動の手法は時間を要する。本研究の目的は,犬皮膚マスト細胞腫瘍 (ccMCT) に対する評価限界を調査し, 代替形態計測法を開発することである。我々は, 測定精度, 再現性, 予測実用性について, 以下の核評価法を評価した。 1) 悪性黒色腫(カリオメガリー)は11名の病理医によって推定される。 2) 少なくとも100個の核の金標準手動形態計測 3)9人の病理医による12個の核の成層サンプリングによる手動形態計測 4)ディープラーニングベースセグメンテーションアルゴリズムを用いて自動形態計測を行った。研究データセットは96 ccMCTからなり,結果情報が得られた。研究データセットは96 ccMCTからなり,結果情報が得られた。核の大きさの標準偏差(SD)の実用可能なモルフォメトリーにはICC = 0.654 が有効であったのに対し、カリオメガリー推定のラター間再現性は低い(\kappa$ = 0.226)。金標準手形計(AUC = 0.839, 95% CI: 0.701 - 0.977)と比較して、練習可能な手形計(12核)の核領域のSDの予後値(腫瘍特異的生存率)は、それぞれ0.868(95% CI: 0.737 - 0.991)と0.943(95% CI: 0.889 - 0.996)の領域で高い値を示した。本研究は,12個の原子核を成層的に採取した手動形態計測と,推定の再現性の低さを克服するためのアルゴリズム的形態計測を併用した手動形態計測の活用を支援する。

関連論文リスト

Unraveling Radiomics Complexity: Strategies for Optimal Simplicity in Predictive Modeling [4.1032659987778315]
放射線的特徴セットの高次元性、放射線的特徴タイプの変動性、そして潜在的に高い計算要求は、全て、与えられた臨床問題に対する最小の予測的特徴セットを特定する効果的な方法の必要性を浮き彫りにしている。我々は,最小限の放射線学的特徴を識別し,説明するための方法論とツールを開発する。
論文参考訳（メタデータ） (2024-07-05T23:14:46Z)
Training and Comparison of nnU-Net and DeepMedic Methods for Autosegmentation of Pediatric Brain Tumors [0.08519384144663283]
ディープラーニングに基づく2つの3DセグメンテーションモデルであるDeepMedicとnnU-Netを比較した。小児特異的に訓練されたnnU-Netモデルは、小児脳腫瘍の全腫瘍および亜領域のセグメンテーションにおいてDeepMedicよりも優れている。
論文参考訳（メタデータ） (2024-01-16T14:44:06Z)
Convolutional Neural Networks for Segmentation of Malignant Pleural Mesothelioma: Analysis of Probability Map Thresholds (CALGB 30901, Alliance) [3.5543234184232566]
深層学習を用いた自動セグメンテーション手法を用いてボリュームを取得する。本研究の目的は,畳み込みニューラルネットワーク(CNN)を用いて発生したMPM腫瘍像に対する確率マップ閾値の影響を評価することである。 CNNアノテーションは、放射線医の輪郭よりも腫瘍の体積が小さい。
論文参考訳（メタデータ） (2023-11-30T22:07:07Z)
Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
論文参考訳（メタデータ） (2023-03-03T12:05:41Z)
Improving Deep Learning Models for Pediatric Low-Grade Glioma Tumors Molecular Subtype Identification Using 3D Probability Distributions of Tumor Location [0.0]
pLGGサブタイプ同定のためのCNNモデルは腫瘍セグメンテーションに依存している。我々はMRIデータにおける腫瘍位置確率を用いてCNNモデルを拡張することを提案する。腫瘍位置をCNNモデルに組み込むことにより,統計的に有意な改善が得られた。
論文参考訳（メタデータ） (2022-10-13T18:30:11Z)
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)
Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
論文参考訳（メタデータ） (2022-08-22T22:01:44Z)
TotalSegmentator: robust segmentation of 104 anatomical structures in CT images [48.50994220135258]
身体CT画像の深層学習セグメント化モデルを提案する。このモデルは、臓器の容積、疾患の特徴、外科的または放射線療法計画などのユースケースに関連する104の解剖学的構造を区分することができる。
論文参考訳（メタデータ） (2022-08-11T15:16:40Z)
Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
論文参考訳（メタデータ） (2021-02-11T09:04:45Z)
Glioma Classification Using Multimodal Radiology and Histology Data [0.41883694872353855]
グリオーマを,オリゴデンドログリオーマ,アストロサイトーマ,グリオ芽腫の3つのサブタイプに分類するパイプラインを提案する。分類アルゴリズムは, CPM-RadPath 2020 チャレンジで提供されるデータセットを用いて評価した。
論文参考訳（メタデータ） (2020-11-10T21:38:26Z)
Automated Quantification of CT Patterns Associated with COVID-19 from Chest CT [48.785596536318884]
提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
論文参考訳（メタデータ） (2020-04-02T21:49:14Z)

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。