Fugu-MT 論文翻訳(概要): Automated HER2 Scoring in Breast Cancer Images Using Deep Learning and Pyramid Sampling

論文の概要: Automated HER2 Scoring in Breast Cancer Images Using Deep Learning and Pyramid Sampling

arxiv url: http://arxiv.org/abs/2404.00837v1
Date: Mon, 1 Apr 2024 00:23:22 GMT
ステータス: 処理完了
システム内更新日: 2024-04-04 01:31:23.637856
Title: Automated HER2 Scoring in Breast Cancer Images Using Deep Learning and Pyramid Sampling
Title（参考訳）: 深層学習とピラミッドサンプリングによる乳癌画像の自動HER2スコーリング
Authors: Sahan Yoruc Selcuk, Xilin Yang, Bijie Bai, Yijie Zhang, Yuzhu Li, Musa Aydin, Aras Firat Unal, Aditya Gomatam, Zhen Guo, Darrow Morgan Angus, Goren Kolodney, Karine Atlan, Tal Keidar Haran, Nir Pillar, Aydogan Ozcan,
Abstract要約: IHC-stained BC 組織像のHER2状態の自動分類にピラミッドサンプリングを用いた深層学習に基づくアプローチを提案する。本手法は, 様々な空間スケールで形態的特徴を分析し, 計算負荷を効率的に管理し, 細胞レベルでの組織レベルでの詳細な検討を容易にする。
参考スコア（独自算出の注目度）: 3.711848341917877
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Human epidermal growth factor receptor 2 (HER2) is a critical protein in cancer cell growth that signifies the aggressiveness of breast cancer (BC) and helps predict its prognosis. Accurate assessment of immunohistochemically (IHC) stained tissue slides for HER2 expression levels is essential for both treatment guidance and understanding of cancer mechanisms. Nevertheless, the traditional workflow of manual examination by board-certified pathologists encounters challenges, including inter- and intra-observer inconsistency and extended turnaround times. Here, we introduce a deep learning-based approach utilizing pyramid sampling for the automated classification of HER2 status in IHC-stained BC tissue images. Our approach analyzes morphological features at various spatial scales, efficiently managing the computational load and facilitating a detailed examination of cellular and larger-scale tissue-level details. This method addresses the tissue heterogeneity of HER2 expression by providing a comprehensive view, leading to a blind testing classification accuracy of 84.70%, on a dataset of 523 core images from tissue microarrays. Our automated system, proving reliable as an adjunct pathology tool, has the potential to enhance diagnostic precision and evaluation speed, and might significantly impact cancer treatment planning.
Abstract（参考訳）: ヒト上皮成長因子受容体2(HER2)は、乳癌(BC)の攻撃性を表わし、その予後を予測する重要なタンパク質である。 HER2発現レベルに対する免疫組織化学的(IHC)染色組織スライドの正確な評価は、治療指導と癌機構の理解の両方に不可欠である。それでも、ボード認定された病理学者による手動検査の伝統的なワークフローは、サーバ間の不整合やターンアラウンドタイムの延長など、課題に直面している。 In this, we introduced a Deep learning-based approach using pyramid sample for the automated classification of HER2 status in IHC-stained BC tissue images。本手法は, 様々な空間スケールで形態的特徴を分析し, 計算負荷を効率的に管理し, 細胞レベルでの組織レベルでの詳細な検討を容易にする。この方法は、組織マイクロアレイの523コア画像のデータセット上で、HER2発現の組織不均一性を包括的ビューを提供することにより、盲検分類精度84.70%に導く。本システムでは, 診断精度と評価速度を向上し, がん治療計画に大きな影響を与える可能性がある。

関連論文リスト

TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。 VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
論文参考訳（メタデータ） (2024-11-05T19:35:10Z)
Interpretable HER2 scoring by evaluating clinical Guidelines through a weakly supervised, constrained Deep Learning Approach [0.0]
本稿では病理学者によるHER2スコアの解釈可能性に焦点を当てる。臨床HER2ガイドラインを直接評価する半自動2段階深層学習手法を提案する。本研究は,F1スコアで0.78の成績を得られた。
論文参考訳（メタデータ） (2022-11-17T14:28:35Z)
A Pathologist-Informed Workflow for Classification of Prostate Glands in Histopathology [62.997667081978825]
病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
論文参考訳（メタデータ） (2022-09-27T14:08:19Z)
High-resolution synthesis of high-density breast mammograms: Application to improved fairness in deep learning based mass detection [48.88813637974911]
深層学習に基づくコンピュータ支援検出システムは乳癌検出において優れた性能を示した。高密度の乳房は、高密度の組織がマスを覆ったりシミュレートしたりできるため、検出性能が劣っている。本研究は,高密度乳房における高密度フルフィールドデジタルマンモグラムを用いた質量検出性能の向上を目的とする。
論文参考訳（メタデータ） (2022-09-20T15:57:12Z)
Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文参考訳（メタデータ） (2022-02-17T08:33:52Z)
Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文参考訳（メタデータ） (2021-10-27T19:28:36Z)
Automated Scoring System of HER2 in Pathological Images under the Microscope [3.689994643251581]
本稿では,HER2スコアリングガイドラインに厳格に従うHER2自動スコアリングシステムを提案する。提案システムは、当社のTorough Eyeプラットフォームに組み込み、病院に配備する。
論文参考訳（メタデータ） (2021-10-21T01:38:35Z)
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)
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 interpretable automated detection system for FISH-based HER2 oncogene amplification testing in histo-pathological routine images of breast and gastric cancer diagnostics [0.2479153065703935]
本研究では,HER2遺伝子増幅試験におけるFISH画像の評価を自動化する,解釈可能な深層学習パイプラインを開発した。病理学的評価を模倣し、インスタンスセグメンテーションネットワークに基づく相間核の検出と局在に依存している。画像分類と物体検出畳み込みニューラルネットワーク(CNN)の助けを借りて、各核内の蛍光信号の局在と分類を行う。
論文参考訳（メタデータ） (2020-05-25T12:14:38Z)

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。