論文の概要: An Automated Pipeline for Tumour-Infiltrating Lymphocyte Scoring in Breast Cancer

• arxiv url: http://arxiv.org/abs/2311.06185v1
• Date: Fri, 10 Nov 2023 17:06:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-13 14:26:53.822582
• Title: An Automated Pipeline for Tumour-Infiltrating Lymphocyte Scoring in Breast Cancer
• Title（参考訳）: 乳癌における腫瘍浸潤リンパ球スコーリングの自動化パイプライン
• Authors: Adam J Shephard, Mostafa Jahanifar, Ruoyu Wang, Muhammad Dawood, Simon Graham, Kastytis Sidlauskas, Syed Ali Khurram, Nasir M Rajpoot, Shan E Ahmed Raza
• Abstract要約: 腫瘍浸潤リンパ球(TIL)は、3重陰性およびヒト上皮成長因子受容体2(HER2)乳癌の予後マーカーとして有用である。 本稿では,乳がんスライド画像のTILスコアを計算するために,Efficient-UNetアーキテクチャに基づく革新的なディープラーニングパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 10.595165443979857
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Tumour-infiltrating lymphocytes (TILs) are considered as a valuable prognostic markers in both triple-negative and human epidermal growth factor receptor 2 (HER2) breast cancer. In this study, we introduce an innovative deep learning pipeline based on the Efficient-UNet architecture to compute a TILs score for breast cancer whole slide images. Our pipeline first segments tumour-stroma regions and generates a tumour bulk mask. Subsequently, it detects TILs within the tumour-associated stroma, generating a TILs score by closely mirroring the pathologist's workflow. Our method exhibits state-of-the-art performance in segmenting tumour/stroma areas and TILs detection, as demonstrated by internal cross-validation on the TiGER Challenge training dataset and evaluation on the final leaderboards. Additionally, our TILs score proves competitive in predicting survival outcomes within the same challenge, underscoring the clinical relevance and potential of our automated TILs scoring system as a breast cancer prognostic tool.
• Abstract（参考訳）: 腫瘍浸潤リンパ球(TIL)は、3重陰性およびヒト上皮成長因子受容体2(HER2)乳癌の予後マーカーとして有用であると考えられている。 本研究では,乳がん全画像のtilsスコアを計算するために,効率的な不均一アーキテクチャに基づく革新的な深層学習パイプラインを提案する。 我々のパイプラインはまず、腫瘍-間質領域をセグメンテーションし、腫瘍バルクマスクを生成する。 その後、腫瘍関連ストロマ内のtilsを検出し、病理学者のワークフローを忠実に反映することでtilsスコアを生成する。 本手法は,TiGER Challengeのトレーニングデータセットにおける内部クロスバリデーションと最終リーダーボードの評価により,腫瘍/ストローマ領域のセグメンテーションにおける最先端性能とTILの検出を示す。 さらに,我々のTILスコアは,乳がん診断ツールとしてのTIL自動スコアシステムの臨床的意義と可能性について,同じ課題の中で生存率を予測する上での競争力を示す。

関連論文リスト

• 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)
• Deep Learning Provides Rapid Screen for Breast Cancer Metastasis with Sentinel Lymph Nodes [0.0]
  本研究は, 転移に対して陽性あるいは陰性で, センチネルリンパ節からの小さな画像パッチのみを用いた乳癌検診に焦点をあてる。 我々は、この目的のために診断モデルを構築するために、Python言語で畳み込みニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2023-01-14T15:57:00Z)
• A Pathologist-Informed Workflow for Classification of Prostate Glands in Histopathology [62.997667081978825]
  病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。 がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。 本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
  論文  参考訳（メタデータ） (2022-09-27T14:08:19Z)
• Automatic Tumor Segmentation via False Positive Reduction Network for Whole-Body Multi-Modal PET/CT Images [12.885308856495353]
  PET/CT画像評価では,腫瘍の自動切除が重要なステップである。 既存の方法は腫瘍領域を過剰に分離し、正常な高臓器、炎症、その他の感染症などの領域を含む傾向がある。 この制限を克服するために、偽陽性削減ネットワークを導入します。
  論文  参考訳（メタデータ） (2022-09-16T04:01:14Z)
• Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
  術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。 直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-13T07:10:14Z)
• AutoPET Challenge: Combining nn-Unet with Swin UNETR Augmented by Maximum Intensity Projection Classifier [15.924886815041774]
  AutoPET Challengeは900人の患者のFDG-PET/CTスキャンを備えた公開データセットを提供する。 肺がん,黒色腫,リンパ腫と診断された症例のDiceスコアは72.12%であった。
  論文  参考訳（メタデータ） (2022-09-02T15:20:28Z)
• Breast Cancer Classification Based on Histopathological Images Using a Deep Learning Capsule Network [0.0]
  本研究は, 病理組織像(HIs)を用いて, 異なる種類の乳癌を分類することを目的とする。 本稿では、Res2Netブロックと4つの畳み込み層を用いて、マルチスケールの特徴を抽出する拡張カプセルネットワークを提案する。 結果として、新しいメソッドは、可能な限り最高の機能を自動で学習するため、古いメソッドよりも優れています。
  論文  参考訳（メタデータ） (2022-08-01T03:45:36Z)
• TIAger: Tumor-Infiltrating Lymphocyte Scoring in Breast Cancer for the TiGER Challenge [5.336931842559574]
  乳腺カンサー(TiGER)における腫瘍インフィトラチンGリンパ球は、生存を予測するために、コンピュータ生成TILスコアの予後上の意義を評価することを目的としている。 TIL検出のために腫瘍バルク領域を局在させるアルゴリズムを開発した。 予備試験では腫瘍造影Diceスコア0.791, FROCスコア0.572であった。
  論文  参考訳（メタデータ） (2022-06-23T18:53:24Z)
• 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)
• Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors [72.65802386845002]
  本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。 我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。 我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
  論文  参考訳（メタデータ） (2020-04-04T21:21:44Z)
• Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
  本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。 提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-03T22:25:01Z)

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。