論文の概要: Resource-Limited Automated Ki67 Index Estimation in Breast Cancer
- arxiv url: http://arxiv.org/abs/2401.00014v1
- Date: Fri, 22 Dec 2023 16:33:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 12:26:22.902725
- Title: Resource-Limited Automated Ki67 Index Estimation in Breast Cancer
- Title（参考訳）: 乳癌におけるリソース制限自動Ki67指数の推定
- Authors: J. Gliozzo, G. Marin\`o, A. Bonometti, M. Frasca and D. Malchiodi
- Abstract要約: 深部神経ネットワーク(DNN)は、がん細胞においてKi67の発現を推定し、腫瘍内TILのスコアを同時に決定する上で最高の結果をもたらすことが示されている。
乳癌検診におけるKi67陽性細胞の割合を効果的に推定するための資源消費を考慮したDNNを提案する。
提案手法では, メモリ使用量の75%と89%を削減し, エネルギー消費量を1.5倍に削減し, ベンチマーク・オブ・ザ・テクス・ソリューションの総合的精度を向上した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The prediction of tumor progression and chemotherapy response has been
recently tackled exploiting Tumor Infiltrating Lymphocytes (TILs) and the
nuclear protein Ki67 as prognostic factors. Recently, deep neural networks
(DNNs) have been shown to achieve top results in estimating Ki67 expression and
simultaneous determination of intratumoral TILs score in breast cancer cells.
However, in the last ten years the extraordinary progress induced by deep
models proliferated at least as much as their resource demand. The exorbitant
computational costs required to query (and in some cases also to store) a deep
model represent a strong limitation in resource-limited contexts, like that of
IoT-based applications to support healthcare personnel. To this end, we propose
a resource consumption-aware DNN for the effective estimate of the percentage
of Ki67-positive cells in breast cancer screenings. Our approach reduced up to
75% and 89% the usage of memory and disk space respectively, up to 1.5x the
energy consumption, and preserved or improved the overall accuracy of a
benchmark state-of-the-art solution. Encouraged by such positive results, we
developed and structured the adopted framework so as to allow its general
purpose usage, along with a public software repository to support its usage.
- Abstract（参考訳）: 腫瘍進展と化学療法反応の予測は、最近、腫瘍浸潤性リンパ球(TIL)と核タンパク質Ki67を予後因子として用いている。
近年,深層ニューラルネットワーク (dnns) が乳癌細胞においてki67の発現を推定し,腫瘍内tilsスコアを同時決定する結果が得られた。
しかし、この10年間で、深層モデルによって引き起こされた異常な進歩は、少なくとも資源需要と同じくらいに増大した。
深層モデルのクエリに必要な計算コストは、IoTベースのアプリケーションのように、リソース制限の強い制限を表している(場合によっては保存する)。
そこで本研究では,乳がん検診においてki67陽性細胞の割合を効果的に推定するための資源消費対応dnnを提案する。
提案手法では, メモリ使用量の75%と89%を削減し, エネルギー消費量を1.5倍に削減し, ベンチマーク・オブ・ザ・アート・ソリューションの総合的精度を向上した。
このようなポジティブな結果に刺激されて,我々は,その汎用利用を可能にするために採用したフレームワークと,その利用をサポートするパブリックソフトウェアリポジトリを開発,構成した。
関連論文リスト
- Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
乳がん治療計画において、グレーディングは重要な役割を担っている。
現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。
本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
論文 参考訳（メタデータ） (2024-05-13T15:48:26Z) - Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。
ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。
本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
論文 参考訳（メタデータ） (2024-05-13T15:40:56Z) - EXACT-Net:EHR-guided lung tumor auto-segmentation for non-small cell lung cancer radiotherapy [7.531407604292937]
非小細胞肺癌(NSCLC)患者の60%以上が放射線治療を必要とする。
当院で治療した10例のNSCLCデータを用いて結節検出が250%向上した。
論文 参考訳（メタデータ） (2024-02-21T19:49:12Z) - Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted
Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。
拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。
本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
論文 参考訳（メタデータ） (2023-11-30T15:11:03Z) - 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) - Interpretability methods of machine learning algorithms with
applications in breast cancer diagnosis [1.1470070927586016]
我々は,グローバルサロゲート(GS)法,個人期待(ICE)プロット,条件シェープ値(SV)などの解釈可能性技術を用いた。
乳がん診断における最良の成績は,提案したERN(精度96.6%,ROC曲線0.96)により得られた。
論文 参考訳（メタデータ） (2022-02-04T13:41:30Z) - 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) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳（メタデータ） (2021-05-20T18:13:58Z) - Automatic Generation of Interpretable Lung Cancer Scoring Models from
Chest X-Ray Images [9.525711971667679]
肺がんは世界中でがんの死因となっている。
深層学習技術は肺がんの診断に有効である。
これらの技術は、まだ医療コミュニティによって承認され、採用されていない。
論文 参考訳（メタデータ） (2020-12-10T04:11:59Z) - PathoNet: Deep learning assisted evaluation of Ki-67 and tumor
infiltrating lymphocytes (TILs) as prognostic factors in breast cancer; A
large dataset and baseline [2.4378845585726903]
そこで我々は,Ki-67免疫染色細胞検出・分類のための新しいパイプラインとバックエンド,PathoNetを導入する。
課題に直面しながらも、提案するバックエンドであるPathoNetは、ハーモニック平均値で現在提案されている技術手法の状態を上回ります。
論文 参考訳（メタデータ） (2020-10-09T17:55:52Z)
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。