論文の概要: Transformer-based Model for Oral Epithelial Dysplasia Segmentation
- arxiv url: http://arxiv.org/abs/2311.05452v1
- Date: Thu, 9 Nov 2023 15:40:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-10 14:53:05.303140
- Title: Transformer-based Model for Oral Epithelial Dysplasia Segmentation
- Title（参考訳）: 口腔上皮異形成に対するtransformer-based model
- Authors: Adam J Shephard, Hanya Mahmood, Shan E Ahmed Raza, Anna Luiza Damaceno
Araujo, Alan Roger Santos-Silva, Marcio Ajudarte Lopes, Pablo Agustin Vargas,
Kris McCombe, Stephanie Craig, Jacqueline James, Jill Brooks, Paul Nankivell,
Hisham Mehanna, Syed Ali Khurram, Nasir M Rajpoot
- Abstract要約: 口腔上皮性異形成症 (OED) は口腔病変に対する術前の病理組織学的診断である。
我々は,スライド画像全体におけるOEDの検出とセグメンテーションを改善するために,Transformerベースのパイプラインを開発した。
- 参考スコア（独自算出の注目度）: 5.93334850572097
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Oral epithelial dysplasia (OED) is a premalignant histopathological diagnosis
given to lesions of the oral cavity. OED grading is subject to large
inter/intra-rater variability, resulting in the under/over-treatment of
patients. We developed a new Transformer-based pipeline to improve detection
and segmentation of OED in haematoxylin and eosin (H&E) stained whole slide
images (WSIs). Our model was trained on OED cases (n = 260) and controls (n =
105) collected using three different scanners, and validated on test data from
three external centres in the United Kingdom and Brazil (n = 78). Our internal
experiments yield a mean F1-score of 0.81 for OED segmentation, which reduced
slightly to 0.71 on external testing, showing good generalisability, and
gaining state-of-the-art results. This is the first externally validated study
to use Transformers for segmentation in precancerous histology images. Our
publicly available model shows great promise to be the first step of a
fully-integrated pipeline, allowing earlier and more efficient OED diagnosis,
ultimately benefiting patient outcomes.
- Abstract（参考訳）: 口腔上皮性異形成症(OED)は,口腔病変を主訴とする病理組織学的診断である。
OEDグレーディングは、インター/イントラ・ラターの変動が大きく、患者の治療の過小評価につながる。
我々は, haematoxylin および eosin (h&e) における oed の検出とセグメンテーションを改善する新しいトランスフォーマーベースのパイプラインを開発した。
モデルでは,3種類のスキャナを用いてoedケース (n = 260) とコントロール (n = 105) を訓練し,イギリスとブラジルの3つの外部センター (n = 78) からテストデータに基づいて検証を行った。
内部実験ではOEDセグメンテーションの平均F1スコアが0.81であり, 外部試験では0.71にわずかに低下し, 一般性は良好であった。
これは、先天的な組織像のセグメンテーションにTransformerを用いた初めての外部検証研究である。
私たちの公開モデルは、完全に統合されたパイプラインの第1ステップとして、より早く、より効率的なOED診断を可能にし、最終的には患者の結果に利益をもたらすことを約束しています。
関連論文リスト
- Incorporating Anatomical Awareness for Enhanced Generalizability and Progression Prediction in Deep Learning-Based Radiographic Sacroiliitis Detection [0.8248058061511542]
本研究の目的は, 深層学習モデルに解剖学的認識を取り入れることで, 一般化性を高め, 疾患進行の予測を可能にするかを検討することである。
モデルの性能は, 受信機動作特性曲線(AUC)下の領域, 精度, 感度, 特異性を用いて比較した。
論文 参考訳（メタデータ） (2024-05-12T20:02:25Z) - A Fully Automated and Explainable Algorithm for the Prediction of
Malignant Transformation in Oral Epithelial Dysplasia [8.927415909296819]
我々は,口腔悪性転換(OMT)リスクスコアを割り当てる人工知能アルゴリズムを開発した。
このアルゴリズムは、内部のセグメンテーションモデルを用いて、上皮内(および周辺)の核の検出とセグメンテーションに基づいている。
提案された OMTscore は、OED が悪性度に進行するか否かを予測するときに AUROC = 0.74 を得る。
論文 参考訳（メタデータ） (2023-07-06T19:11:00Z) - Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。
本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。
提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文 参考訳（メタデータ） (2022-12-01T07:32:56Z) - 3D-Morphomics, Morphological Features on CT scans for lung nodule
malignancy diagnosis [8.728543774561405]
本研究はCTボリュームにおける形態学的特徴(3次元形態学)に基づく病理状態の予測モデルを構築した。
その後、XGBoost教師付き分類器が3次元形態学で訓練され、病理状態を予測する。
肺結節の悪性度と良性度との分類モデルでは, 3D-morphomicsのみを用いて0.964のAUCが得られる。
論文 参考訳（メタデータ） (2022-07-27T23:50:47Z) - Fully Automatic Deep Learning Framework for Pancreatic Ductal
Adenocarcinoma Detection on Computed Tomography [0.0]
早期発見は膵管腺癌(PDAC)の予後を改善する
現在のモデルでは、小さな(2cm)病変の特定に失敗している。
深層学習モデルを用いてPDAC検出のための自動フレームワークを開発した。
論文 参考訳（メタデータ） (2021-11-30T13:59:46Z) - Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in
Artificial Intelligence [79.038671794961]
我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。
本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
論文 参考訳（メタデータ） (2021-11-18T00:43:41Z) - Systematic Clinical Evaluation of A Deep Learning Method for Medical
Image Segmentation: Radiosurgery Application [48.89674088331313]
3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。
本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
論文 参考訳（メタデータ） (2021-08-21T16:15:40Z) - Vision Transformers for femur fracture classification [59.99241204074268]
Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。
史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
論文 参考訳（メタデータ） (2021-08-07T10:12:42Z) - Deep Learning Based Analysis of Prostate Cancer from MP-MRI [0.0]
前立腺癌の診断は、過剰診断の問題に直面し、不必要な治療による副作用を損なう。
本研究では,MRIを応用したコンピュータ支援診断のための深層学習手法について検討する。
論文 参考訳（メタデータ） (2021-06-02T12:42:35Z) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳（メタデータ） (2020-07-20T19:08:50Z) - Predicting Clinical Diagnosis from Patients Electronic Health Records
Using BERT-based Neural Networks [62.9447303059342]
医療コミュニティにおけるこの問題の重要性を示す。
本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。
約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
論文 参考訳（メタデータ） (2020-07-15T09:22:55Z)
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。