論文の概要: A Polarization and Radiomics Feature Fusion Network for the Classification of Hepatocellular Carcinoma and Intrahepatic Cholangiocarcinoma

• arxiv url: http://arxiv.org/abs/2312.16607v1
• Date: Wed, 27 Dec 2023 15:16:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-29 18:38:52.182896
• Title: A Polarization and Radiomics Feature Fusion Network for the Classification of Hepatocellular Carcinoma and Intrahepatic Cholangiocarcinoma
• Title（参考訳）: 肝細胞癌と肝内胆管癌の鑑別のための分極・放射線核融合ネットワーク
• Authors: Jia Dong, Yao Yao, Liyan Lin, Yang Dong, Jiachen Wan, Ran Peng, Chao Li and Hui Ma
• Abstract要約: 肝内胆管癌(ICC)は治療選択と予後評価において重要なステップである。 本研究では, HCC と ICC を分類するために, 偏光特徴と放射能特徴を組み合わせた新しい偏光・放射能融合ネットワークを提案する。
• 参考スコア（独自算出の注目度）: 10.403042621991611
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Classifying hepatocellular carcinoma (HCC) and intrahepatic cholangiocarcinoma (ICC) is a critical step in treatment selection and prognosis evaluation for patients with liver diseases. Traditional histopathological diagnosis poses challenges in this context. In this study, we introduce a novel polarization and radiomics feature fusion network, which combines polarization features obtained from Mueller matrix images of liver pathological samples with radiomics features derived from corresponding pathological images to classify HCC and ICC. Our fusion network integrates a two-tier fusion approach, comprising early feature-level fusion and late classification-level fusion. By harnessing the strengths of polarization imaging techniques and image feature-based machine learning, our proposed fusion network significantly enhances classification accuracy. Notably, even at reduced imaging resolutions, the fusion network maintains robust performance due to the additional information provided by polarization features, which may not align with human visual perception. Our experimental results underscore the potential of this fusion network as a powerful tool for computer-aided diagnosis of HCC and ICC, showcasing the benefits and prospects of integrating polarization imaging techniques into the current image-intensive digital pathological diagnosis. We aim to contribute this innovative approach to top-tier journals, offering fresh insights and valuable tools in the fields of medical imaging and cancer diagnosis. By introducing polarization imaging into liver cancer classification, we demonstrate its interdisciplinary potential in addressing challenges in medical image analysis, promising advancements in medical imaging and cancer diagnosis.
• Abstract（参考訳）: 肝疾患患者における肝細胞癌(HCC)と肝内胆管癌(ICC)は治療選択と予後評価において重要なステップである。 従来の病理診断はこの文脈で課題を提起する。 本研究では,肝病理標本のミューラーマトリクス画像から得られた分極特徴と,対応する病理画像から得られた放射線特徴を組み合わせてhccとiccを分類する,新しい分極・放射能特徴融合ネットワークを提案する。 我々の融合ネットワークは、初期特徴レベル融合と後期分類レベル融合を含む2層融合アプローチを統合している。 偏光イメージング技術と画像特徴ベース機械学習の強みを活かし,提案する融合ネットワークは,分類精度を大幅に向上させる。 特に、画像解像度が小さくても、融合ネットワークは、人間の視覚的知覚と一致しない偏光特徴による追加情報のために、堅牢な性能を維持している。 実験の結果,この融合ネットワークはコンピュータ支援によるHCCとICCの診断の強力なツールであり,現在の画像集約型デジタル病理診断に偏光イメージング技術を統合するメリットと展望が示された。 我々は,この革新的なアプローチを,医用画像や癌診断の分野において,新たな洞察と貴重なツールを提供することを目指しています。 肝癌分類に偏光イメージングを導入することで,医療画像解析の課題に対処し,医療画像診断とがん診断の進歩を約束する学際的可能性を示す。

関連論文リスト

• Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
  本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。 本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。 その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
  論文  参考訳（メタデータ） (2024-10-31T19:48:50Z)
• An updated overview of radiomics-based artificial intelligence (AI) methods in breast cancer screening and diagnosis [0.0]
  乳癌 (BC) の診断法は, 感度, 特異性, 正の予測力に限られている。 人工知能(AI)を用いた画像解析の最近の進歩は、BCの診断とサブタイプ分化を改善することを大いに約束している。 放射線医学は、紀元前初期の診断と分類の感度と特異性を改善するために開発された。
  論文  参考訳（メタデータ） (2024-06-20T21:01:11Z)
• Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection in OCTA Images [53.235117594102675]
  オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。 我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。 Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
  論文  参考訳（メタデータ） (2023-11-10T11:49:49Z)
• Multi-Scale Feature Fusion using Parallel-Attention Block for COVID-19 Chest X-ray Diagnosis [2.15242029196761]
  世界的な新型コロナウイルス危機下では、チェストX線(CXR)画像からの新型コロナウイルスの正確な診断が重要である。 並列アテンションブロックを用いた新しい多機能融合ネットワークを提案し、元のCXR画像とローカル位相特徴強調CXR画像をマルチスケールで融合する。
  論文  参考訳（メタデータ） (2023-04-25T16:56:12Z)
• Improved Multimodal Fusion for Small Datasets with Auxiliary Supervision [3.8750633583374143]
  小型データセットによるマルチモーダル融合を改善するための3つの簡単な方法を提案する。 提案手法は実装が簡単で,画像と非画像のデータを用いた任意の分類タスクに適用可能である。
  論文  参考訳（メタデータ） (2023-04-01T20:07:10Z)
• 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)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• A Review of Generative Adversarial Networks in Cancer Imaging: New Applications, New Solutions [12.1951719081621]
  コンピュータビジョンにおけるGAN(Generative Adrial Networks)の最近の進歩は、がんの検出と解析における機能強化の基礎となるかもしれない。 データ不足や不均衡など,がん画像の多くの重要な課題に対処するために,GANの可能性を評価した。 本稿では,ガン画像に応用された既存のGANの文献を批判的に評価するとともに,これらの課題に対処するための今後の研究方向性について提案する。
  論文  参考訳（メタデータ） (2021-07-20T14:57:51Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
  ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。 臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。 そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2020-10-09T14:39:27Z)
• Selecting Regions of Interest in Large Multi-Scale Images for Cancer Pathology [0.0]
  顕微鏡スライドの高解像度スキャンは、がん病理学者が、複数のスケールと解像度でスライド画像内の特徴の測定に基づいて、がんの存在、サブタイプ、および重症度に関する結論に達するのに十分な情報を提供する。 肝癌,肝細胞癌 (HCC) と胆管癌 (CC) の2種類の1種を含む肝病理組織スライドにおいて,WSIを段階的に拡大して興味領域(ROI)を検出するための強化学習とビームサーチに基づくアプローチを検討する。 これらのROIは病理医に直接提示され、測定と診断を助けるか、または使用される。
  論文  参考訳（メタデータ） (2020-07-03T15:27:41Z)

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。