論文の概要: Fast TILs estimation in lung cancer WSIs based on semi-stochastic patch sampling
- arxiv url: http://arxiv.org/abs/2405.02913v1
- Date: Sun, 5 May 2024 12:41:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-07 17:50:42.407433
- Title: Fast TILs estimation in lung cancer WSIs based on semi-stochastic patch sampling
- Title（参考訳）: 半確率パッチサンプリングによる肺癌WSIの高速TIL推定
- Authors: Nikita Shvetsov, Anders Sildnes, Lill-Tove Rasmussen Busund, Stig Dalen, Kajsa Møllersen, Lars Ailo Bongo, Thomas K. Kilvaer,
- Abstract要約: パイプラインは、予後に関係のない領域の約70%を効率よく排除し、予後の正確性を維持するために残りのパッチの5%しか必要としない。
このパイプラインは、NSCLCの予後と治療のパーソナライゼーションを高める可能性を示す。
今後の研究は、その幅広い臨床的有用性を検証すること、およびNSCLC予後を改善するために追加のバイオマーカーを調査することに焦点を当てるべきである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Addressing the critical need for accurate prognostic biomarkers in cancer treatment, quantifying tumor-infiltrating lymphocytes (TILs) in non-small cell lung cancer (NSCLC) presents considerable challenges. Manual TIL quantification in whole slide images (WSIs) is laborious and subject to variability, potentially undermining patient outcomes. Our study introduces an automated pipeline that utilizes semi-stochastic patch sampling, patch classification to retain prognostically relevant patches, and cell quantification using the HoVer-Net model to streamline the TIL evaluation process. This pipeline efficiently excludes approximately 70% of areas not relevant for prognosis and requires only 5% of the remaining patches to maintain prognostic accuracy (c-index 0.65 +- 0.01). The computational efficiency achieved does not sacrifice prognostic accuracy, as demonstrated by the TILs score's strong correlation with patient survival, which surpasses traditional CD8 IHC scoring methods. While the pipeline demonstrates potential for enhancing NSCLC prognostication and personalization of treatment, comprehensive clinical validation is still required. Future research should focus on verifying its broader clinical utility and investigating additional biomarkers to improve NSCLC prognosis.
- Abstract（参考訳）: 非小細胞肺癌 (NSCLC) における腫瘍浸潤リンパ球 (TIL) の定量化は, 癌治療における正確な予後指標の必要性に対処する上で重要な課題である。
スライド画像全体 (WSI) における手動TIL定量化は困難であり, ばらつきに悩まされ, 患者の予後を損なう可能性がある。
本研究では,半確率的パッチサンプリングを用いた自動パイプライン,確率的パッチ保持のためのパッチ分類,TIL評価プロセスの合理化を目的としたHoVer-Netモデルを用いたセル定量化を提案する。
このパイプラインは、予後に関係のない領域の約70%を効率よく排除し、予後の精度を維持するために残りのパッチの5%しか必要としない(c-index 0.65 +- 0.01)。
TILsスコアと従来のCD8 IHCスコア法を超越した患者生存率との強い相関が示されるように、計算効率は予後の精度を犠牲にしない。
パイプラインはNSCLCの予後と治療のパーソナライゼーションを高める可能性を示しているが、総合的な臨床検証は依然として必要である。
今後の研究は、その幅広い臨床的有用性を検証すること、およびNSCLC予後を改善するために追加のバイオマーカーを調査することに焦点を当てるべきである。
関連論文リスト
- Optimizing Lung Cancer Detection in CT Imaging: A Wavelet Multi-Layer Perceptron (WMLP) Approach Enhanced by Dragonfly Algorithm (DA) [0.294944680995069]
本研究では,CTスキャン画像から肺がんを分類するための最先端のディープラーニングフレームワークを提案する。
この研究には、画像前処理戦略、特にCannyエッジ検出とウェーブレット変換が含まれる。
この手法は99.82%の優れた訓練と検査精度を達成し、肺癌の正確な診断の有効性と信頼性を裏付けている。
論文 参考訳（メタデータ） (2024-08-27T18:27:47Z) - Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。
本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
論文 参考訳（メタデータ） (2024-05-23T07:03:38Z) - 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) - Semi-supervised ViT knowledge distillation network with style transfer
normalization for colorectal liver metastases survival prediction [1.283897253352624]
本稿では,H&EおよびHPSで染色した組織学的スライドを用いて,自動予後予測のためのエンドツーエンドアプローチを提案する。
まずGAN(Generative Adversarial Network)を用いてスライス正規化を行い、染色のばらつきを低減し、予測パイプラインへの入力として使用される画像の全体的な品質を向上させる。
転移性結節および周囲組織から抽出した特徴を利用して予後モデルを訓練し,同時に知識蒸留フレームワークで視覚変換器(ViT)を訓練し,予後予測の性能を再現し,向上させる。
論文 参考訳（メタデータ） (2023-11-17T03:32:11Z) - Predicting Ovarian Cancer Treatment Response in Histopathology using
Hierarchical Vision Transformers and Multiple Instance Learning [2.0661578265672094]
深層学習は、卵巣がん患者の治療が寛解に寄与するか、または疾患の進行を防ぐのに役立つかを予測するために用いられる。
提案手法では,階層型画像ピラミッド変換器 (HIPT) を用いて地域レベルの特徴を抽出し,特徴を集約し,スライド全体を分類するアテンションベースマルチインスタンス学習 (ABMIL) モデルを提案する。
卵巣癌WSIが治療反応を正確に予測できる情報を含んでいるかどうかはまだ明らかになっていない。
論文 参考訳（メタデータ） (2023-10-19T16:16:29Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳（メタデータ） (2023-02-16T17:06:23Z) - A Pragmatic Machine Learning Approach to Quantify Tumor Infiltrating
Lymphocytes in Whole Slide Images [0.0]
がん組織における腫瘍浸潤リンパ球(TIL)の上昇は、多くの種類のがんにおいて好ましい結果を示す。
本研究の目的は,肺がん患者の標準診断ヘマトキシリンおよびエオシン染色部(H&Eスライス)の全スライド画像(WSI)中のTILを自動的に定量化することである。
論文 参考訳（メタデータ） (2022-02-14T10:22:10Z) - 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) - 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) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳（メタデータ） (2021-06-04T09:51:27Z)
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。