Fugu-MT 論文翻訳(概要): One-dimensional convolutional neural network model for breast cancer subtypes classification and biochemical content evaluation using micro-FTIR hyperspectral images

論文の概要: One-dimensional convolutional neural network model for breast cancer subtypes classification and biochemical content evaluation using micro-FTIR hyperspectral images

arxiv url: http://arxiv.org/abs/2310.15094v1
Date: Mon, 23 Oct 2023 16:58:34 GMT
ステータス: 処理完了
システム内更新日: 2023-10-24 18:35:51.969014
Title: One-dimensional convolutional neural network model for breast cancer subtypes classification and biochemical content evaluation using micro-FTIR hyperspectral images
Title（参考訳）: マイクロFTIRハイパースペクトル画像を用いた乳がんサブタイプ分類と生化学的内容評価のための1次元畳み込みニューラルネットワークモデル
Authors: Matheus del-Valle, Emerson Soares Bernardes, Denise Maria Zezell
Abstract要約: 本研究は乳がんの亜型評価と生化学的貢献のための1次元深層学習ツールを開発した。新しい1D畳み込みニューラルネットワークCaReNet-V1は乳癌(CA)と隣接組織(AT)を分類するために開発された Grad-CAMの1次元適応を応用し, 生体化学的影響について検討した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Breast cancer treatment still remains a challenge, where molecular subtypes classification plays a crucial role in selecting appropriate and specific therapy. The four subtypes are Luminal A (LA), Luminal B (LB), HER2 subtype, and Triple-Negative Breast Cancer (TNBC). Immunohistochemistry is the gold-standard evaluation, although interobserver variations are reported and molecular signatures identification is time-consuming. Fourier transform infrared micro-spectroscopy with machine learning approaches have been used to evaluate cancer samples, presenting biochemical-related explainability. However, this explainability is harder when using deep learning. This study created a 1D deep learning tool for breast cancer subtype evaluation and biochemical contribution. Sixty hyperspectral images were acquired from a human breast cancer microarray. K-Means clustering was applied to select tissue and paraffin spectra. CaReNet-V1, a novel 1D convolutional neural network, was developed to classify breast cancer (CA) and adjacent tissue (AT), and molecular subtypes. A 1D adaptation of Grad-CAM was applied to assess the biochemical impact to the classifications. CaReNet-V1 effectively classified CA and AT (test accuracy of 0.89), as well as HER2 and TNBC subtypes (0.83 and 0.86), with greater difficulty for LA and LB (0.74 and 0.68). The model enabled the evaluation of the most contributing wavenumbers to the predictions, providing a direct relationship with the biochemical content. Therefore, CaReNet-V1 and hyperspectral images is a potential approach for breast cancer biopsies assessment, providing additional information to the pathology report. Biochemical content impact feature may be used for other studies, such as treatment efficacy evaluation and development new diagnostics and therapeutic methods.
Abstract（参考訳）: 乳がん治療は依然として課題であり、分子サブタイプ分類が適切な治療を選択する上で重要な役割を担っている。 4つの亜型は、Luminal A (LA), Luminal B (LB), HER2 subtype, Triple-Negative Breast Cancer (TNBC)である。免疫組織化学は金標準評価であるが、オブザーバ間変異は報告され、分子シグネチャの同定には時間がかかる。機械学習を用いたフーリエ変換赤外分光法は、がんサンプルの評価に使われており、生化学的に説明可能である。しかし、ディープラーニングを使う場合、この説明は難しい。本研究は乳がんの亜型評価と生化学的貢献のための1次元深層学習ツールを開発した。 60枚のハイパースペクトル画像がヒト乳癌マイクロアレイから得られた。 K-Meansクラスタリングを選択的組織とパラフィンスペクトルに適用した。乳がん(ca)および隣接組織(at)および分子サブタイプを分類するために,新しい1次元畳み込みニューラルネットワークであるcarenet-v1を開発した。 grad-camの1次元適応により, 分類に対する生化学的影響を評価した。 CaReNet-V1は、CAとAT(試験精度0.89)とHER2とTNBCのサブタイプ0.83と0.86)を効果的に分類し、LAとLB(0.74と0.68)はより困難であった。このモデルにより, 生物化学的含量と直接関係のある, 最も寄与する波数の評価が可能となった。したがって,carenet-v1およびhyperspectral imageは乳がん生検における潜在的アプローチであり,病理診断にさらなる情報を提供する。生化学的内容の影響は、治療効果の評価や新しい診断や治療方法の開発など、他の研究にも用いられる。

関連論文リスト

Deep learning-based classification of breast cancer molecular subtypes from H&E whole-slide images [0.0]
乳がんの分子サブタイプを予測するために,H&Eによる全スライド画像の活用が可能であるかを検討した。乳がんの1,433 WSIを2段階のパイプラインで用いた。まず,腫瘍と非腫瘍タイルの分類を行い,腫瘍領域のみを分子サブタイピングに用いた。パイプラインは221個のWSIで試験され、腫瘍検出には0.95点、分子置換には0.73点のマクロF1スコアが得られた。
論文参考訳（メタデータ） (2024-08-30T13:57:33Z)
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)
Deep Learning-based Prediction of Breast Cancer Tumor and Immune Phenotypes from Histopathology [3.9270231212340354]
各患者の腫瘍に対する腫瘍および免疫性表現型を再現的に測定する方法は広くは存在しない。原発性乳癌のヘマトキシリンおよびエオシンスライドから10種類の生物学的関連経路の活性を評価するために,MILアルゴリズムを適用した。訓練されたモデルでは,H&Eから細胞サブ集団の生物学的に関連する空間パターンを認識できる。
論文参考訳（メタデータ） (2024-04-25T08:15:37Z)
Dual-path convolutional neural network using micro-FTIR imaging to predict breast cancer subtypes and biomarkers levels: estrogen receptor, progesterone receptor, HER2 and Ki67 [0.0]
新しい畳み込みニューラルネットワークであるCaReNet-V2は、乳がんと隣接する組織を分類し、バイオマーカーのレベルを予測するために開発された。このモデルにより, ER, PR, HER2レベルの予測が可能となった。
論文参考訳（メタデータ） (2023-10-23T17:05:53Z)
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)
Artificial-intelligence-based molecular classification of diffuse gliomas using rapid, label-free optical imaging [59.79875531898648]
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。
論文参考訳（メタデータ） (2023-03-23T18:50:18Z)
EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文参考訳（メタデータ） (2022-01-13T05:24:40Z)
Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文参考訳（メタデータ） (2021-10-27T19:28:36Z)
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)
A Novel Self-Learning Framework for Bladder Cancer Grading Using Histopathological Images [1.244681179922733]
組織像から膀胱癌を診断するための自己学習の枠組みについて検討した。組織学的パッチを病のさまざまなレベルに分類できる新しいDeep Convolutional Embedded Attention Clustering (DCEAC)を提案する。
論文参考訳（メタデータ） (2021-06-25T11:04:04Z)
Lung Nodule Classification Using Biomarkers, Volumetric Radiomics and 3D CNNs [0.0699049312989311]
放射線医のアノテーションとCTスキャンの画像分類を併用して肺悪性度を推定するハイブリッドアルゴリズムを提案する。提案アルゴリズムは3次元畳み込みニューラルネットワーク(CNN)とランダムフォレストを用いて,CT画像とバイオマーカーのアノテーションと放射能の特徴を組み合わせる。画像バイオマーカーのみを用いたモデルは,バイオマーカーをボリュームラジオミクス,3D CNN,セミ教師付き学習と組み合わせたモデルよりも精度が高いことを示す。
論文参考訳（メタデータ） (2020-10-19T18:57:26Z)

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。