論文の概要: Joint Stream: Malignant Region Learning for Breast Cancer Diagnosis
- arxiv url: http://arxiv.org/abs/2406.18212v1
- Date: Wed, 26 Jun 2024 09:56:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-27 13:59:06.917336
- Title: Joint Stream: Malignant Region Learning for Breast Cancer Diagnosis
- Title（参考訳）: 共同ストリーム:乳癌診断のための悪性領域学習
- Authors: Abdul Rehman, Sarfaraz Hussein, Waqas Sultani,
- Abstract要約: Estrogen receptor (ER), Progesterone receptor (PR), Human epidermal Growth Factor receptor 2 (HER2) gene, Histological grade (HG), Auxiliary lymph node (ALN) status, Molecular subtype (MS) は, BC診断の改善に重要な役割を果たす。
本稿では,H&E染色WSIを用いて早期に診断された6つの重要な因子 (ER, PR, HER2, ALN, HG, MS) を分類することを提案する。
- 参考スコア（独自算出の注目度）: 4.8708787595548095
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Early diagnosis of breast cancer (BC) significantly contributes to reducing the mortality rate worldwide. The detection of different factors and biomarkers such as Estrogen receptor (ER), Progesterone receptor (PR), Human epidermal growth factor receptor 2 (HER2) gene, Histological grade (HG), Auxiliary lymph node (ALN) status, and Molecular subtype (MS) can play a significant role in improved BC diagnosis. However, the existing methods predict only a single factor which makes them less suitable to use in diagnosis and designing a strategy for treatment. In this paper, we propose to classify the six essential indicating factors (ER, PR, HER2, ALN, HG, MS) for early BC diagnosis using H\&E stained WSI's. To precisely capture local neighboring relationships, we use spatial and frequency domain information from the large patch size of WSI's malignant regions. Furthermore, to cater the variable number of regions of interest sizes and give due attention to each region, we propose a malignant region learning attention network. Our experimental results demonstrate that combining spatial and frequency information using the malignant region learning module significantly improves multi-factor and single-factor classification performance on publicly available datasets.
- Abstract（参考訳）: 早期乳癌(BC)の診断は、世界中で死亡率の低下に大きく寄与する。
Estrogen receptor (ER), Progesterone receptor (PR), Human epidermal Growth Factor receptor 2 (HER2) gene, Histological grade (HG), Auxiliary lymph node (ALN) status, Molecular subtype (MS) などの異なる因子やバイオマーカーの検出は、BCG診断の改善に重要な役割を果たしている。
しかし、既存の方法では、診断や治療戦略の設計に適さない1つの要因しか予測できない。
本稿では,H&E染色WSIを用いて早期に診断された6つの重要な因子 (ER, PR, HER2, ALN, HG, MS) を分類することを提案する。
局所的な近接関係を正確に把握するために、WSIの悪性領域のパッチサイズから空間的および周波数的領域情報を用いる。
さらに,関心領域の変動数を計測し,各領域に注意を向けるために,悪性領域学習注意ネットワークを提案する。
実験の結果,悪性領域学習モジュールを用いた空間情報と周波数情報を組み合わせることで,公開データセット上での多要素・単要素分類性能が著しく向上することが示された。
関連論文リスト
- Beyond attention: deriving biologically interpretable insights from
weakly-supervised multiple-instance learning models [2.639541396835675]
本稿では,高精細エンコーダによるタイルレベルのアテンションと予測スコアを組み合わせたPAWマップを提案する。
また, PAWマップと核分割マスクを統合することにより, 生物学的特徴のインスタンス化手法も導入する。
本手法により, 予後不良の予知を行う領域は, 腫瘍部位と同一位置にあることが判明した。
論文 参考訳（メタデータ） (2023-09-07T09:44:35Z) - A Radiogenomics Pipeline for Lung Nodules Segmentation and Prediction of
EGFR Mutation Status from CT Scans [0.0]
肺がんは世界中で死因となっている。
放射線ゲノミクス(Radiogenomics)は、患者の結果を非侵襲的にモデル化するための医療画像とゲノム機能を組み合わせた新興分野である。
論文 参考訳（メタデータ） (2022-11-12T09:46:42Z) - ThoraX-PriorNet: A Novel Attention-Based Architecture Using Anatomical
Prior Probability Maps for Thoracic Disease Classification [2.0319363307774476]
胸部疾患は, 他と比較して, 特定の解剖学的領域で発生しやすいことが知られている。
本稿では、この病気と地域依存の事前確率分布をディープラーニングフレームワークに組み込むことを目的とする。
論文 参考訳（メタデータ） (2022-10-06T15:38:02Z) - 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) - Self-transfer learning via patches: A prostate cancer triage approach
based on bi-parametric MRI [1.3934382972253603]
前立腺癌(PCa)は世界で2番目に多いがんである。
現在のPCa診断経路は、かなりの過剰診断のコストがかかり、不必要な治療とさらなる検査に繋がる。
臨床的に有意な (cS) 病変と非有意な (ncS) 病変を区別するためのパッチベースの事前訓練戦略を提案する。
論文 参考訳（メタデータ） (2021-07-22T17:02:38Z) - 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) - Global Guidance Network for Breast Lesion Segmentation in Ultrasound
Images [84.03487786163781]
我々は,大域的誘導ブロック(GGB)と乳房病変境界検出モジュールを備えた深部畳み込みニューラルネットワークを開発した。
当社のネットワークは、乳房超音波病変分割における他の医療画像分割方法および最近のセマンティックセグメンテーション方法よりも優れています。
論文 参考訳（メタデータ） (2021-04-05T13:15:22Z) - Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided
Two-Path CNNs [49.32653090178743]
畳み込みニューラルネットワーク(CNN)は2つの時点から病変活動のセグメンテーションについて研究されている。
CNNは、異なる方法で2つのポイントからの情報を組み合わせて設計され、評価される。
深層学習に基づく手法が古典的アプローチより優れていることが実証された。
論文 参考訳（メタデータ） (2020-08-05T08:49:20Z) - Detecting Scatteredly-Distributed, Small, andCritically Important
Objects in 3D OncologyImaging via Decision Stratification [23.075722503902714]
本研究は腫瘍学的に重要なリンパ節(または不審な癌転移)の検出と分節に焦点を当てた。
我々はOSLNを腫瘍近位・腫瘍遠位分類に分割する分断型決定階層化手法を提案する。
局所的な3D画像パッチから得られた特徴と高次病変特性を組み合わせた新しいグローバルローカルネットワーク(GLNet)を提案する。
論文 参考訳（メタデータ） (2020-05-27T23:12:11Z) - Spatio-spectral deep learning methods for in-vivo hyperspectral
laryngeal cancer detection [49.32653090178743]
頭頸部腫瘍の早期発見は患者の生存に不可欠である。
ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。
HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
論文 参考訳（メタデータ） (2020-04-21T17:07:18Z) - Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。
提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
論文 参考訳（メタデータ） (2020-02-03T22:25:01Z)
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。