論文の概要: Automated Volume Corrected Mitotic Index Calculation Through Annotation-Free Deep Learning using Immunohistochemistry as Reference Standard

• arxiv url: http://arxiv.org/abs/2311.08949v1
• Date: Wed, 15 Nov 2023 13:35:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-16 15:56:12.175983
• Title: Automated Volume Corrected Mitotic Index Calculation Through Annotation-Free Deep Learning using Immunohistochemistry as Reference Standard
• Title（参考訳）: 免疫組織化学を基準とした無注釈深層学習による自動容積補正mitotic index計算
• Authors: Jonas Ammeling, Moritz Hecker, Jonathan Ganz, Taryn A. Donovan, Christof A. Bertram, Katharina Breininger, Marc Aubreville
• Abstract要約: 浸潤乳癌では, 容積補正ミトーシス指数 (M/V-Index) が有用であった。 アノテーションのない化学ベースのアプローチでのみ訓練されたディープラーニングパイプラインを使用することで、正確な推定が可能になることを示す。
• 参考スコア（独自算出の注目度）: 0.3920619265321976
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The volume-corrected mitotic index (M/V-Index) was shown to provide prognostic value in invasive breast carcinomas. However, despite its prognostic significance, it is not established as the standard method for assessing aggressive biological behaviour, due to the high additional workload associated with determining the epithelial proportion. In this work, we show that using a deep learning pipeline solely trained with an annotation-free, immunohistochemistry-based approach, provides accurate estimations of epithelial segmentation in canine breast carcinomas. We compare our automatic framework with the manually annotated M/V-Index in a study with three board-certified pathologists. Our results indicate that the deep learning-based pipeline shows expert-level performance, while providing time efficiency and reproducibility.
• Abstract（参考訳）: 浸潤乳癌では, 容積補正ミトーシス指数 (M/V-Index) が有用であった。 しかし、その予後の意義にもかかわらず、上皮の比率を決定することに伴う高い追加作業負荷のため、攻撃的な生物学的行動を評価する標準的な方法として確立されていない。 本研究は, 犬乳癌の上皮分画の正確な推定を行うため, 注記のない免疫組織化学的手法でのみ訓練した深層学習パイプラインを用いて検討した。 手動で注釈を付したM/V-Indexを3名の病理医に比較検討した。 その結果,ディープラーニングに基づくパイプラインは,時間効率と再現性を提供しながら,専門家レベルのパフォーマンスを示すことがわかった。

関連論文リスト

• Quantifying Aleatoric Uncertainty of the Treatment Effect: A Novel Orthogonal Learner [72.20769640318969]
  医療の安全性と有効性を理解するためには,観測データから因果量の推定が重要である。 医療従事者は、平均因果量の推定だけでなく、治療効果のランダム性をランダムな変数として理解する必要がある。 このランダム性はアレタリック不確実性と呼ばれ、治療効果の利益や量子化の確率を理解するために必要である。
  論文  参考訳（メタデータ） (2024-11-05T18:14:49Z)
• Emphysema Subtyping on Thoracic Computed Tomography Scans using Deep Neural Networks [5.322495071033588]
  そこで本研究では,Fleischner Societyの視覚スコアシステムによる肺気腫サブタイプと重症度解析のための深層学習に基づくアプローチを提案する。 我々のアルゴリズムは予測精度を52%で達成し、これまで公表された手法の精度を45%上回った。 提案法は, 遠心性気腫から海綿状気腫まで予測能力を拡張し, 海綿状気腫を含む。
  論文  参考訳（メタデータ） (2023-09-05T20:54:41Z)
• Ensemble Learning of Myocardial Displacements for Myocardial Infarction Detection in Echocardiography [15.153823114115307]
  心筋梗塞の早期発見と局所化は、心臓損傷の重症度を低下させる可能性がある。 深層学習技術は心エコー画像におけるMI検出の可能性を示唆している。 本研究は,複数のセグメンテーションモデルの特徴を組み合わせ,MI分類性能を向上させるロバストな手法を提案する。
  論文  参考訳（メタデータ） (2023-03-12T20:16:14Z)
• Clinically Acceptable Segmentation of Organs at Risk in Cervical Cancer Radiation Treatment from Clinically Available Annotations [0.0]
  子宮頸癌放射線治療におけるOAR(Organs at Risk)の自動セグメンテーションのためのディープラーニングモデルを学習するためのアプローチを提案する。 我々は、データの不均一性、ラベルノイズ、アノテーションの欠如を最小限に抑えるために、自動データのクリーニングにシンプルな手法を採用している。 そこで本研究では,教師が指導するシステム,アノテーション命令,不確実性誘導学習を利用して,アノテーションの欠如の有無を学習する半教師付き学習手法を開発した。
  論文  参考訳（メタデータ） (2023-02-21T13:24:40Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Pain level and pain-related behaviour classification using GRU-based sparsely-connected RNNs [61.080598804629375]
  慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。 この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。 我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。 本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
  論文  参考訳（メタデータ） (2022-12-20T12:56:28Z)
• 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)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
  本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。 摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。 実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-21T13:27:09Z)
• Deep Interactive Learning: An Efficient Labeling Approach for Deep Learning-Based Osteosarcoma Treatment Response Assessment [1.5551044212347103]
  畳み込みニューラルネットワーク(CNN)は、骨肉腫スライド画像上の生存可能な腫瘍と壊死性腫瘍の自動分割に使用できる。 教師あり学習のボトルネックの1つは、トレーニングに大量の正確なアノテーションが必要であることである。 本稿では,ディープ・インタラクティブ・ラーニング(DIaL)をCNNの学習における効果的なラベリング手法として記述する。
  論文  参考訳（メタデータ） (2020-07-02T20:46:53Z)
• Mitosis Detection Under Limited Annotation: A Joint Learning Approach [5.117836409118142]
  深層学習に基づく有糸分裂検出は病理学者と同等であるが、トレーニングには大きなラベル付きデータが必要である。 そこで本研究では,距離距離メトリック学習を用いて,軟弱損失によるクラスラベル情報とサンプル間の空間分布情報を活用することで,ミトーシス検出の深層分類フレームワークを提案する。 本フレームワークは,トレーニングデータ全体の使用方法と比較して,少ないトレーニングデータによる検出を著しく改善し,同等あるいは優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2020-06-17T10:46:29Z)

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。