論文の概要: Deep Learning model predicts the c-Kit-11 mutational status of canine cutaneous mast cell tumors by HE stained histological slides

• arxiv url: http://arxiv.org/abs/2401.06169v1
• Date: Tue, 2 Jan 2024 12:00:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-22 12:52:48.678757
• Title: Deep Learning model predicts the c-Kit-11 mutational status of canine cutaneous mast cell tumors by HE stained histological slides
• Title（参考訳）: 深層学習モデルによる犬皮膚肥満細胞のc-Kit-11変異の組織学的スライスによる予測
• Authors: Chlo\'e Puget, Jonathan Ganz, Julian Ostermaier, Thomas Konrad, Eda Parlak, Christof Albert Bertram, Matti Kiupel, Katharina Breininger, Marc Aubreville, Robert Klopfleisch
• Abstract要約: DLMによるCTの形態学的検査は、CTのc-Kit-exon 11変異状態を高精度に予測できる。 DLMは、C-Kit 11の変異状況に応じてHEスライドを正しく分類し、最も適した染色スキャナー変種では平均87%のケースに分類した。
• 参考スコア（独自算出の注目度）: 0.34495237291368674
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Numerous prognostic factors are currently assessed histopathologically in biopsies of canine mast cell tumors to evaluate clinical behavior. In addition, PCR analysis of the c-Kit exon 11 mutational status is often performed to evaluate the potential success of a tyrosine kinase inhibitor therapy. This project aimed at training deep learning models (DLMs) to identify the c-Kit-11 mutational status of MCTs solely based on morphology without additional molecular analysis. HE slides of 195 mutated and 173 non-mutated tumors were stained consecutively in two different laboratories and scanned with three different slide scanners. This resulted in six different datasets (stain-scanner variations) of whole slide images. DLMs were trained with single and mixed datasets and their performances was assessed under scanner and staining domain shifts. The DLMs correctly classified HE slides according to their c-Kit 11 mutation status in, on average, 87% of cases for the best-suited stain-scanner variant. A relevant performance drop could be observed when the stain-scanner combination of the training and test dataset differed. Multi-variant datasets improved the average accuracy but did not reach the maximum accuracy of algorithms trained and tested on the same stain-scanner variant. In summary, DLM-assisted morphological examination of MCTs can predict c-Kit-exon 11 mutational status of MCTs with high accuracy. However, the recognition performance is impeded by a change of scanner or staining protocol. Larger data sets with higher numbers of scans originating from different laboratories and scanners may lead to more robust DLMs to identify c-Kit mutations in HE slides.
• Abstract（参考訳）: 犬の肥満細胞腫瘍の生検で病理組織学的に多くの予後因子が評価されている。 さらに、チロシンキナーゼ阻害剤療法の潜在的成功を評価するために、c-Kit exon 11変異状態のPCR解析がしばしば行われる。 本研究の目的は,MCTのc-Kit-11変異を分子解析を伴わない形態のみに基づいて同定する深層学習モデル(DLM)の訓練である。 195個の異型腫瘍と173個の非異型腫瘍のHEスライスを2つの異なる実験室で連続染色し,3つの異なるスライススキャナーでスキャンした。 その結果、スライド画像全体の6つの異なるデータセット(ステン・スカンナーのバリエーション)が得られた。 DLMは単一および混合データセットでトレーニングされ、その性能はスキャナと染色ドメインシフトの下で評価された。 dlmsは、c-kit 11の変異状況に応じて、最も適したステンド・スカンナー変異例の87%でスライドを正しく分類した。 トレーニングとテストデータセットのステンドスキャンの組み合わせが異なる場合には,関連するパフォーマンス低下が観察できた。 多変量データセットは平均精度を改善したが、同じステンド・スキャナー変種で訓練およびテストされたアルゴリズムの最大精度には達しなかった。 要約すると、DLMによるCTの形態学的検査は、CTのc-Kit-exon 11変異状態を高精度に予測できる。 しかし、認識性能はスキャナーやステンドリングプロトコルの変更によって阻害される。 異なる研究室やスキャナーに由来するスキャン数が多い大規模なデータセットは、HEスライドのc-Kit変異を識別するためにより堅牢なDLMにつながる可能性がある。

関連論文リスト

• Interpretable cancer cell detection with phonon microscopy using multi-task conditional neural networks for inter-batch calibration [39.759100498329275]
  本稿では,バッチ間キャリブレーションを同時に実現する条件付きニューラルネットワークフレームワークを提案する。 異なる実験バッチをトレーニングし、検証することで、我々のアプローチを検証する。 このモデルを拡張して, 診断信号の再構成を行い, 疾患状態を示す有能な特徴の物理的解釈を可能にした。
  論文  参考訳（メタデータ） (2024-03-26T12:20:10Z)
• The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
  この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。 我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。 このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-13T10:40:41Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• Automatic Diagnosis of Myocarditis Disease in Cardiac MRI Modality using Deep Transformers and Explainable Artificial Intelligence [20.415917092103033]
  心筋炎は、多くの人の健康を脅かす重要な心血管疾患(CVD)である。 HIVなどを含む微生物やウイルスの発生は、心筋炎疾患(MCD)の発生に重要な役割を担っている 提案したCADSは,データセット,前処理,特徴抽出,分類,後処理など,いくつかのステップで構成されている。
  論文  参考訳（メタデータ） (2022-10-26T10:34:20Z)
• PrepNet: A Convolutional Auto-Encoder to Homogenize CT Scans for Cross-Dataset Medical Image Analysis [0.22485007639406518]
  新型コロナウイルスの診断はPCR検査で効率的に行えるようになったが、このユースケースは、データの多様性を克服する方法論の必要性を実証するものだ。 本稿では,CTスキャンに最小限の変更を同時に導入しながら,イメージング技術によって引き起こされる差を解消することを目的とした,新しい生成手法を提案する。
  論文  参考訳（メタデータ） (2022-08-19T15:49:47Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact Context-encoding Variational Autoencoder [48.2010192865749]
  教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。 本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。 提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
  論文  参考訳（メタデータ） (2022-01-31T14:27:35Z)
• Quantifying the Scanner-Induced Domain Gap in Mitosis Detection [8.09551131543818]
  異なるスライドスキャナを用いて導入したドメインシフトに対する標準トポトーシス検出手法の感受性を評価する。 本研究は, 生物化学的変動ではなく, 純粋に取得装置の選択によるドメインシフトが過小評価されていることを示す。
  論文  参考訳（メタデータ） (2021-03-30T17:17:25Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Improved inter-scanner MS lesion segmentation by adversarial training on longitudinal data [0.0]
  ホワイトマター病変進展の評価は,MS患者の経過観察において重要なバイオマーカーである。 現在の自動病変分割アルゴリズムは、MRIスキャナーやプロトコルの違いに関連する画像特性の変化の影響を受けやすい。 スキャン間研究におけるMS病変のセグメンテーションの整合性を改善するモデルを提案する。
  論文  参考訳（メタデータ） (2020-02-03T16:56:05Z)

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。