論文の概要: Proportion Estimation by Masked Learning from Label Proportion

• arxiv url: http://arxiv.org/abs/2405.04815v1
• Date: Wed, 8 May 2024 05:29:38 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-09 15:14:42.545030
• Title: Proportion Estimation by Masked Learning from Label Proportion
• Title（参考訳）: ラベル抽出からのマスケッド学習による分布推定
• Authors: Takumi Okuo, Kazuya Nishimura, Hiroaki Ito, Kazuhiro Terada, Akihiko Yoshizawa, Ryoma Bise,
• Abstract要約: 全腫瘍細胞の総数に対するPD-L1陽性腫瘍細胞の数であるPD-L1は、免疫療法において重要な指標である。 セルレベルアノテーションとパーセンテージアノテーションの少ないパーセンテージ推定手法を提案する。
• 参考スコア（独自算出の注目度）: 6.4872426144950985
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The PD-L1 rate, the number of PD-L1 positive tumor cells over the total number of all tumor cells, is an important metric for immunotherapy. This metric is recorded as diagnostic information with pathological images. In this paper, we propose a proportion estimation method with a small amount of cell-level annotation and proportion annotation, which can be easily collected. Since the PD-L1 rate is calculated from only `tumor cells' and not using `non-tumor cells', we first detect tumor cells with a detection model. Then, we estimate the PD-L1 proportion by introducing a masking technique to `learning from label proportion.' In addition, we propose a weighted focal proportion loss to address data imbalance problems. Experiments using clinical data demonstrate the effectiveness of our method. Our method achieved the best performance in comparisons.
• Abstract（参考訳）: 全腫瘍細胞の総数に対するPD-L1陽性腫瘍細胞の数であるPD-L1は、免疫療法において重要な指標である。 この指標は病理画像による診断情報として記録される。 本稿では,ごく少量のセルレベルアノテーションとパーセンテージアノテーションを用いたパーセンテージ推定手法を提案する。 PD-L1は「腫瘍細胞」のみから算出され、「非腫瘍細胞」を使用しないため、まず腫瘍細胞を検出モデルを用いて検出する。 そして,ラベル比から学習するマスキング手法を導入することにより,PD-L1比を推定する。 また,データ不均衡問題に対処するため,重み付き焦点比損失を提案する。 臨床データを用いた実験により,本手法の有効性が示された。 我々の方法は比較で最高の成績を収めた。

関連論文リスト

• 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)
• Lumbar Spine Tumor Segmentation and Localization in T2 MRI Images Using AI [2.9746083684997418]
  本研究は, 脊椎腫瘍の領域分割と局所化をAIアプローチで自動化することを目的とした, 新たなデータ拡張手法を提案する。 畳み込みニューラルネットワーク(CNN)アーキテクチャは、腫瘍の分類に用いられている。3次元の椎骨分割とラベル付け技術は、腰椎の腫瘍の正確な位置を特定するのに役立つ。 その結果, 腫瘍分節の99%の精度, 腫瘍分類の98%の精度, 腫瘍局在の99%の精度が得られた。
  論文  参考訳（メタデータ） (2024-05-07T05:55:50Z)
• Vision Transformer-based Multimodal Feature Fusion Network for Lymphoma Segmentation on PET/CT Images [6.715992297496958]
  18F-Fluorodeoxyglucose positron emission tomography (PET) とCT画像によるリンパ腫分画の精度向上を目指した。 悪性リンパ腫のセグメンテーションのアプローチは,視覚トランスフォーマーとデュアルエンコーダを併用し,マルチモーダル・クロスアテンション・フュージョン(MMCAF)モジュールを介してPETおよびCTデータを浮き彫りにする。
  論文  参考訳（メタデータ） (2024-02-04T05:25:12Z)
• Improving Lesion Volume Measurements on Digital Mammograms [3.267854738349957]
  乳癌の予後予測因子として病変容積が重要である。 本研究では, デジタルマンモグラムにおける病変量測定の精度向上に向けて, 処理したマンモグラムの病変量を推定できるモデルを構築した。
  論文  参考訳（メタデータ） (2023-08-28T07:35:21Z)
• Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
  本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
  論文  参考訳（メタデータ） (2022-10-13T15:34:20Z)
• 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)
• Multi-Scale Input Strategies for Medulloblastoma Tumor Classification using Deep Transfer Learning [59.30734371401316]
  乳腺芽腫は小児で最も多い悪性脳腫瘍である。 CNNはMBサブタイプ分類に有望な結果を示した。 タイルサイズと入力戦略の影響について検討した。
  論文  参考訳（メタデータ） (2021-09-14T09:42:37Z)
• A Multi-Scale Conditional Deep Model for Tumor Cell Ratio Counting [4.164451715899639]
  組織スライド全体の腫瘍細胞の比率を正確に把握する手法を提案する。 我々は、H&E染色組織断面の画像上で細胞を検出し分類するために訓練された、完全な畳み込みニューラルネットワークモデルを使用する。 2つのモデルを組み合わせることで、それぞれ異なる倍率で作業することで、システムはセルレベルの詳細と周囲のコンテキストの両方をキャプチャできることを示す。
  論文  参考訳（メタデータ） (2021-01-27T22:40:33Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• A Bayesian approach to tissue-fraction estimation for oncological PET segmentation [0.13048920509133805]
  腫瘍性PETにおける腫瘍のセグメンテーションは、システム解像度が低く、ボクセルサイズが有限であるために生じる部分体積効果のために困難である。 腫瘍学的PETセグメンテーションのための組織破壊評価のためのベイズ的アプローチを提案する。 ACRIN 6668/RTOG 0235多施設臨床試験のステージIIB/III非小細胞肺癌の臨床像を用いて評価した。
  論文  参考訳（メタデータ） (2020-02-29T17:40:04Z)

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。