論文の概要: DIOR-ViT: Differential Ordinal Learning Vision Transformer for Cancer Classification in Pathology Images

• arxiv url: http://arxiv.org/abs/2407.08503v1
• Date: Wed, 10 Jul 2024 12:42:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-12 17:19:55.939643
• Title: DIOR-ViT: Differential Ordinal Learning Vision Transformer for Cancer Classification in Pathology Images
• Title（参考訳）: DIOR-ViT: 病理画像における癌分類のための差分正規学習視覚変換器
• Authors: Ju Cheon Lee, Keunho Byeon, Boram Song, Kyungeun Kim, Jin Tae Kwak,
• Abstract要約: 本稿では,2組のサンプル間の分類クラスラベルの差分を定義・学習する微分順序学習問題を提案する。 差分順序学習の導入により,がんの診断精度と信頼性が向上することが実証された。 提案手法は,クラスラベル間の順序関係が関係する他の疾患や問題にも適用すべきである。
• 参考スコア（独自算出の注目度）: 4.2832657904981435
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In computational pathology, cancer grading has been mainly studied as a categorical classification problem, which does not utilize the ordering nature of cancer grades such as the higher the grade is, the worse the cancer is. To incorporate the ordering relationship among cancer grades, we introduce a differential ordinal learning problem in which we define and learn the degree of difference in the categorical class labels between pairs of samples by using their differences in the feature space. To this end, we propose a transformer-based neural network that simultaneously conducts both categorical classification and differential ordinal classification for cancer grading. We also propose a tailored loss function for differential ordinal learning. Evaluating the proposed method on three different types of cancer datasets, we demonstrate that the adoption of differential ordinal learning can improve the accuracy and reliability of cancer grading, outperforming conventional cancer grading approaches. The proposed approach should be applicable to other diseases and problems as they involve ordinal relationship among class labels.
• Abstract（参考訳）: 計算病理学では、がんグレーディングは主に分類学的な問題として研究されており、がんグレードが高いほどがんが悪化するなど、がんグレードの順序性を利用しない。 がん学級間の順序関係を組み込むために, 特徴空間の差異を利用して, 分類クラスラベル間の差分を定義・学習する, 差分順序学習問題を導入する。 そこで本研究では,がんグレーディングのための分類分類とディファレンシャル順序分類の両方を同時に行うトランスフォーマーベースニューラルネットワークを提案する。 また、微分順序学習のための調整された損失関数を提案する。 提案手法を3種類のがんデータセットで評価し, 差分順序学習の導入により, がんグレーティングの精度と信頼性が向上し, 従来のがんグレーティング手法よりも優れていることを示した。 提案手法は,クラスラベル間の順序関係が関係する他の疾患や問題にも適用すべきである。

関連論文リスト

• Quantifying Cancer Likeness: A Statistical Approach for Pathological Image Diagnosis [2.44755919161855]
  提案手法は,エビデンスベースの医学に基づく統計理論に基づいて構築される。 本手法は癌分類タスクにおいて0.95以上の区切りAUCを実現する。
  論文  参考訳（メタデータ） (2024-10-02T09:57:45Z)
• Class-Specific Data Augmentation: Bridging the Imbalance in Multiclass Breast Cancer Classification [0.0]
  本稿では、クラスレベルのデータ拡張を採用し、アンダーサンプされたクラスに対処し、検出率を高める。 本研究の目的は,多クラス分類を運用し,画像を良性または4種類の悪性乳癌の1つに分類することで,医療専門家の業務を簡素化することである。
  論文  参考訳（メタデータ） (2023-10-15T23:19:35Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• 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)
• Gene selection from microarray expression data: A Multi-objective PSO with adaptive K-nearest neighborhood [0.0]
  本稿では,遺伝子発現データを用いたヒト癌疾患の分類問題について論じる。 マイクロアレイデータセットを解析し,がん疾患を効果的に分類するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-05-27T04:22:10Z)
• Evaluation of Multi-Scale Multiple Instance Learning to Improve Thyroid Cancer Classification [0.3518016233072556]
  甲状腺癌は女性で5番目に多い悪性腫瘍である。 癌サブタイプの分化は治療および治療において重要であり、癌型のコンピュータ支援による自動分化は重要である。 バッチベースの複数のインスタンス学習アプローチと、bag-of-wordsのような集約を組み合わせたアプローチは、一般的なアプローチである。 この研究の貢献は、3つの異なるパッチ解決の特徴ベクトルを生成し、組み合わせることで、パッチベースの最先端メソッドを拡張することである。
  論文  参考訳（メタデータ） (2022-04-22T21:48:56Z)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)
• Triplet Contrastive Learning for Brain Tumor Classification [99.07846518148494]
  本稿では,脳腫瘍の深層埋め込みを直接学習する手法を提案する。 本手法は,27種類の腫瘍群からなる広範囲な脳腫瘍データセットを用いて評価し,そのうち13種は稀である。
  論文  参考訳（メタデータ） (2021-08-08T11:26:34Z)
• Topological Data Analysis of copy number alterations in cancer [70.85487611525896]
  癌ゲノム情報に含まれる情報を新しいトポロジに基づくアプローチで捉える可能性を探る。 本手法は, 癌体性遺伝データに有意な低次元表現を抽出する可能性を秘めている。
  論文  参考訳（メタデータ） (2020-11-22T17:31:23Z)
• Classification with Rejection Based on Cost-sensitive Classification [83.50402803131412]
  学習のアンサンブルによる拒絶を用いた新しい分類法を提案する。 実験により, クリーン, ノイズ, 正の未ラベル分類における提案手法の有用性が示された。
  論文  参考訳（メタデータ） (2020-10-22T14:05:05Z)
• Hierarchical Deep Learning Classification of Unstructured Pathology Reports to Automate ICD-O Morphology Grading [0.0]
  本稿では,畳み込みニューラルネットワークモデルを用いた階層的深層学習分類手法を提案する。 ICD-O形態素分類のためのフラット・マルチクラスCNNモデルと比較して,階層的深層学習分類法では性能が向上することが実証された。
  論文  参考訳（メタデータ） (2020-08-28T12:36:58Z)

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。