論文の概要: Deep learning-based detection of morphological features associated with
hypoxia in H&E breast cancer whole slide images
- arxiv url: http://arxiv.org/abs/2311.12601v1
- Date: Tue, 21 Nov 2023 13:42:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-23 00:25:53.351286
- Title: Deep learning-based detection of morphological features associated with
hypoxia in H&E breast cancer whole slide images
- Title(参考訳): H&E乳癌全スライド画像における低酸素に伴う形態的特徴の深層学習による検出
- Authors: Petru Manescu, Joseph Geradts and Delmiro Fernandez-Reyes
- Abstract要約: 低酸素症は腫瘍細胞が血液供給量を上回ると発生し、腫瘍内の酸素濃度の低い領域につながる。
本研究は,乳がん組織形態学の文脈において,低酸素症を評価するための深層学習の新たな応用を示すものである。
- 参考スコア(独自算出の注目度): 0.23408308015481663
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hypoxia occurs when tumour cells outgrow their blood supply, leading to
regions of low oxygen levels within the tumour. Calculating hypoxia levels can
be an important step in understanding the biology of tumours, their clinical
progression and response to treatment. This study demonstrates a novel
application of deep learning to evaluate hypoxia in the context of breast
cancer histomorphology. More precisely, we show that Weakly Supervised Deep
Learning (WSDL) models can accurately detect hypoxia associated features in
routine Hematoxylin and Eosin (H&E) whole slide images (WSI). We trained and
evaluated a deep Multiple Instance Learning model on tiles from WSI H&E tissue
from breast cancer primary sites (n=240) obtaining on average an AUC of 0.87 on
a left-out test set. We also showed significant differences between features of
hypoxic and normoxic tissue regions as distinguished by the WSDL models. Such
DL hypoxia H&E WSI detection models could potentially be extended to other
tumour types and easily integrated into the pathology workflow without
requiring additional costly assays.
- Abstract(参考訳): 低酸素症は腫瘍細胞が血液供給量を上回ると発生し、腫瘍内の酸素濃度の低い領域につながる。
低酸素濃度の計算は、腫瘍の生物学、臨床経過、治療に対する反応を理解するための重要なステップとなる。
本研究は,乳癌組織形態学の文脈で低酸素血症を評価するための深層学習の新たな応用を示す。
より正確には、Weakly Supervised Deep Learning (WSDL)モデルが、通常のHematoxylinおよびEosinの全スライド画像(WSI)において、低酸素に関連する特徴を正確に検出できることが示されている。
乳がん一次部位(n=240)のwsi h&e組織から得られたタイルについて, 平均0.87のaucを得るための, 深層マルチインスタンス学習モデルを訓練し, 評価した。
また, WSDLモデルでは, 低酸素と高酸素の組織領域の特徴に有意な差が認められた。
このようなdl hypoxia h&e wsi検出モデルは、他の腫瘍タイプに拡張できる可能性があり、追加のコストを要することなく、病理ワークフローに容易に統合できる。
関連論文リスト
- Diagnosis of Malignant Lymphoma Cancer Using Hybrid Optimized Techniques Based on Dense Neural Networks [0.0]
本研究では,特徴抽出のためのDenseNet201と分類のためのニューラルネットワーク(DNN)を組み合わせた新しいハイブリッドディープラーニングフレームワークを提案する。
提案手法は99.33%の精度を達成し,精度とモデル解釈性の両方を著しく改善した。
論文 参考訳(メタデータ) (2024-10-09T15:12:35Z) - Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [42.75763279888966]
早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。
提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。
次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
論文 参考訳(メタデータ) (2024-08-09T15:10:34Z) - LymphoML: An interpretable artificial intelligence-based method
identifies morphologic features that correlate with lymphoma subtype [3.144172405010392]
LymphoMLは,リンパ腫のサブタイプと相関する形態的特徴を識別する,解釈可能な機械学習手法である。
本手法では,H&E-stained tissue microarray core, segment nuclear and cells, compute features including morphology, texture and architecture, and train gradient-boosted model to make diagnosis prediction。
論文 参考訳(メタデータ) (2023-11-16T05:17:14Z) - 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) - Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial
Hemorrhage Etiology based on CT Scan [40.51754649947294]
深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。
診断成績は臨床医の成績と比較した。
臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
論文 参考訳(メタデータ) (2023-02-02T08:45:17Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳(メタデータ) (2021-06-25T20:09:23Z) - 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) - An Attention-based Weakly Supervised framework for Spitzoid Melanocytic
Lesion Diagnosis in WSI [1.0948946179065253]
メラノーマは皮膚がんによる死の大半の原因となる攻撃的な腫瘍である。
診断と予後のための金の基準は、皮膚生検の分析である。
改良型畳み込みニューラルネットワーク(CNN)を用いた誘導伝達学習に基づく,エンドツーエンドの弱い教師付き深層学習モデルを提案する。
本フレームワークは、腫瘍パッチレベルパターンの発見を担当するソースモデルと、生検の特定診断に焦点を当てたターゲットモデルとから構成される。
論文 参考訳(メタデータ) (2021-04-20T10:18:57Z) - A digital score of tumour-associated stroma infiltrating lymphocytes
predicts survival in head and neck squamous cell carcinoma [1.116655705522709]
線条体と腫瘍におけるTリンパ球の浸潤は、腫瘍に対する効果的な免疫反応を示し、生存率を向上させる。
深層学習に基づく自動化法は, 腫瘍, ストロマ, リンパ球の分画に用いられた。
リンパ球と腫瘍関連組織腫の空間パターンをデジタルで定量化し,TASILスコアを算出した。
論文 参考訳(メタデータ) (2021-04-16T19:45:00Z) - 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) - Spatio-spectral deep learning methods for in-vivo hyperspectral
laryngeal cancer detection [49.32653090178743]
頭頸部腫瘍の早期発見は患者の生存に不可欠である。
ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。
HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
論文 参考訳(メタデータ) (2020-04-21T17:07:18Z)
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。