Fugu-MT 論文翻訳(概要): Towards Machine Learning-based Quantitative Hyperspectral Image Guidance for Brain Tumor Resection

論文の概要: Towards Machine Learning-based Quantitative Hyperspectral Image Guidance for Brain Tumor Resection

arxiv url: http://arxiv.org/abs/2311.10321v1
Date: Fri, 17 Nov 2023 04:15:27 GMT
ステータス: 処理完了
システム内更新日: 2023-11-22 14:47:34.877130
Title: Towards Machine Learning-based Quantitative Hyperspectral Image Guidance for Brain Tumor Resection
Title（参考訳）: 機械学習による脳腫瘍切除のための定量的ハイパースペクトル画像指導
Authors: David Black, Declan Byrne, Anna Walke, Sidong Liu, Antonio Di leva, Sadahiro Kaneko, Walter Stummer, Septimiu Salcudean, Eric Suero Molina
Abstract要約: 過去の研究では、多くのヒト脳腫瘍において5つのフルオロフォアの放射スペクトルを特徴付けていた。 4つの機械学習モデルを用いて腫瘍タイプ、グレード、グリオーママージン、IDH変異の分類を行った。 5種類のフルオロフォア濃度は腫瘍マージンタイプと腫瘍グレードによって異なっていた。
参考スコア（独自算出の注目度）: 1.333613335755616
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Complete resection of malignant gliomas is hampered by the difficulty in distinguishing tumor cells at the infiltration zone. Fluorescence guidance with 5-ALA assists in reaching this goal. Using hyperspectral imaging, previous work characterized five fluorophores' emission spectra in most human brain tumors. In this paper, the effectiveness of these five spectra was explored for different tumor and tissue classification tasks in 184 patients (891 hyperspectral measurements) harboring low- (n=30) and high-grade gliomas (n=115), non-glial primary brain tumors (n=19), radiation necrosis (n=2), miscellaneous (n=10) and metastases (n=8). Four machine learning models were trained to classify tumor type, grade, glioma margins and IDH mutation. Using random forests and multi-layer perceptrons, the classifiers achieved average test accuracies of 74-82%, 79%, 81%, and 93% respectively. All five fluorophore abundances varied between tumor margin types and tumor grades (p < 0.01). For tissue type, at least four of the five fluorophore abundances were found to be significantly different (p < 0.01) between all classes. These results demonstrate the fluorophores' differing abundances in different tissue classes, as well as the value of the five fluorophores as potential optical biomarkers, opening new opportunities for intraoperative classification systems in fluorescence-guided neurosurgery.
Abstract（参考訳）: 悪性グリオーマの完全切除は浸潤領域における腫瘍細胞の鑑別が困難である。 5-ALAによる蛍光誘導がこの目標を達成する。ハイパースペクトルイメージングを用いて、以前の研究ではヒト脳腫瘍の5つのフルオロフォアの放射スペクトルを特徴付ける。本研究は,低位(n=30),高次グリオーマ(n=115),非グリア性一次脳腫瘍(n=19),放射線壊死(n=2),無菌(n=10),転移(n=8)を有する184例の腫瘍および組織分類タスクにおいて,これらの5つのスペクトルの有効性を検討した。 4つの機械学習モデルを用いて腫瘍タイプ, グレード, グリオーママージン, idh変異を分類した。ランダム森林と多層受容器を用いて, 平均検定精度は74-82%, 79%, 81%, 93%であった。 5つのフルオロフォアの存在度は腫瘍マージン型と腫瘍グレード (p < 0.01) で異なっていた。組織型では,5種のフルオロフォア中の少なくとも4種は,全クラス間で有意差(p<0.01)が認められた。以上の結果から, 異なる組織群において, フルオロフォアが多量に存在すること, 光バイオマーカーとしての5種類のフルオロフォアの価値が示され, 蛍光ガイド下神経外科手術における術中分類システムに新たな機会が開けた。

関連論文リスト

Spatio-spectral classification of hyperspectral images for brain cancer detection during surgical operations [0.0]
脳腫瘍の手術は神経外科において大きな問題である。手術中の腫瘍境界の同定は困難である。本研究では,ハイパースペクトル画像の空間特性とスペクトル特性を考慮した新しい分類法の開発について述べる。
論文参考訳（メタデータ） (2024-02-11T12:58:42Z)
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)
A deep learning approach for brain tumor detection using magnetic resonance imaging [0.0]
脳腫瘍は、子供や成人で最も危険な疾患の1つと考えられている。 MRI画像から脳腫瘍を検出するための畳み込みニューラルネットワーク(CNN)に基づく図解が提案されている。提案したモデルでは98.6%の精度と97.8%の精度でクロスエントロピー速度が低い。
論文参考訳（メタデータ） (2022-10-25T10:13:29Z)
Brain tumor detection using artificial convolutional neural networks [0.0]
畳み込みニューラルネットワーク(CNN)は、4種類の腫瘍を持つヒト脳のNMR画像の分類に用いられた。トレーニングフェーズでは100%の精度が得られたが, 評価フェーズでは96%であった。
論文参考訳（メタデータ） (2022-06-22T18:45:37Z)
Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer Tissue Biopsy Samples [94.37521840642141]
生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
論文参考訳（メタデータ） (2022-03-23T00:58:27Z)
A New Deep Hybrid Boosted and Ensemble Learning-based Brain Tumor Analysis using MRI [0.28675177318965034]
磁気共鳴画像(MRI)における脳腫瘍の検出・分類のための2段階深層学習フレームワークの提案第1フェーズでは、健康な人から腫瘍MRI画像を検出するために、新しい深層化特徴とアンサンブル分類器(DBF-EC)方式が提案されている。第2段階では, 異なる腫瘍タイプを分類するために, 動的静的特徴とML分類器からなる融合型脳腫瘍分類法が提案されている。
論文参考訳（メタデータ） (2022-01-14T10:24:47Z)
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)
Machine Learning Characterization of Cancer Patients-Derived Extracellular Vesicles using Vibrational Spectroscopies [0.0]
基礎的な機械学習アルゴリズムは、がん患者のEVと健康な患者のEVの複雑な振動スペクトルを識別する強力なツールであることを示す。これらの方法は、マシンインテリジェンスによる早期がん検診において、有効かつ効率的な液体生検を約束する。
論文参考訳（メタデータ） (2021-07-21T19:56:33Z)
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)
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)
Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文参考訳（メタデータ） (2020-07-02T12:00:53Z)

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。