論文の概要: Lymphoid Infiltration Assessment of the Tumor Margins in H&E Slides

• arxiv url: http://arxiv.org/abs/2407.16464v1
• Date: Tue, 23 Jul 2024 13:27:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-24 17:16:18.441300
• Title: Lymphoid Infiltration Assessment of the Tumor Margins in H&E Slides
• Title（参考訳）: H&Eスライスにおける腫瘍マージンのリンパ球浸潤評価
• Authors: Zhuxian Guo, Amine Marzouki, Jean-François Emile, Henning Müller, Camille Kurtz, Nicolas Loménie,
• Abstract要約: 腫瘍縁部リンパ管浸潤は固形腫瘍の予後マーカーとして重要である。 現在の評価手法は、非常に依存的なオンケミカルであり、腫瘍マージンのデライン化の課題に直面している。 本稿では,高度リンパ球分画モデルに基づくHematoxylin and Eosin(H&E)染色法を提案する。
• 参考スコア（独自算出の注目度）: 1.715270928578365
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Lymphoid infiltration at tumor margins is a key prognostic marker in solid tumors, playing a crucial role in guiding immunotherapy decisions. Current assessment methods, heavily reliant on immunohistochemistry (IHC), face challenges in tumor margin delineation and are affected by tissue preservation conditions. In contrast, we propose a Hematoxylin and Eosin (H&E) staining-based approach, underpinned by an advanced lymphocyte segmentation model trained on a public dataset for the precise detection of CD3+ and CD20+ lymphocytes. In our colorectal cancer study, we demonstrate that our H&E-based method offers a compelling alternative to traditional IHC, achieving comparable results in many cases. Our method's validity is further explored through a Turing test, involving blinded assessments by a pathologist of anonymized curves from H&E and IHC slides. This approach invites the medical community to consider Turing tests as a standard for evaluating medical applications involving expert human evaluation, thereby opening new avenues for enhancing cancer management and immunotherapy planning.
• Abstract（参考訳）: リンパ管浸潤は固形腫瘍において重要な予後マーカーであり、免疫療法の決定を導く上で重要な役割を担っている。 免疫組織化学 (IHC) に大きく依存している現在の評価法では, 腫瘍縁の脱線が困難であり, 組織保存条件の影響を受けている。 一方,本研究では,CD3+およびCD20+リンパ球の正確な検出のために,公共データセット上で訓練された高度リンパ球分画モデルに基づくHematoxylin and Eosin(H&E)染色法を提案する。 大腸癌では,H&E法が従来のIHCの代替となり,多くの症例で同等の結果が得られた。 提案手法の妥当性はチューリング試験によりさらに検証され,H&EおよびICCスライドからの匿名曲線の病理学者によるブラインド評価を含む。 このアプローチにより、医療コミュニティはチューリング試験を、専門家による人的評価を含む医学的応用を評価するための標準として考慮し、がん管理と免疫療法計画を強化するための新たな道を開く。

関連論文リスト

• 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)
• Non-Linear Self Augmentation Deep Pipeline for Cancer Treatment outcome Prediction [7.455416595124159]
  著者らは、深い下流の分類器とともに非線形セルアーキテクチャを利用する革新的な戦略を提示している。 本研究の目的は,胸部CT像から抽出した2次元特徴を慎重に選択・拡張し,治療成績の予測を改善することである。 提案したパイプラインは、高度に組み込まれたPoint of Careシステムとシームレスに統合するように慎重に設計されている。
  論文  参考訳（メタデータ） (2023-07-26T15:01:26Z)
• Experts' cognition-driven safe noisy labels learning for precise segmentation of residual tumor in breast cancer [5.445090025094291]
  専門家の認知駆動型セーフノイズラベル学習(ECDSNLL)アプローチを提案する。 ECDSNLLは、乳がんの残存腫瘍の同定に関する専門家の認識と、データモデリングに関する人工知能の専門家の認識を統合することで構築される。 提案するECDSNLLアプローチの利点とPSRTBCに対処する可能性を示す。
  論文  参考訳（メタデータ） (2023-04-13T03:46:40Z)
• Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
  乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。 金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。 本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
  論文  参考訳（メタデータ） (2023-04-12T15:08:34Z)
• LYSTO: The Lymphocyte Assessment Hackathon and Benchmark Dataset [16.265482903238492]
  シェンゼンで開催されたMICCAI 2019 Conferenceと共同で開催したlySTO, the Lymphocyte Assessment Hackathonについて紹介する。 このコンペティションでは、CD3とCD8化学で染色された大腸癌、乳がん、前立腺がんの組織像において、リンパ球、特にT細胞の数を自動的に評価する必要があった。 ハッカソンの後、LYSTOは軽量なプラグイン・アンド・プレイベンチマークデータセットとして、自動評価プラットフォームとともにグランドチャレンゲのウェブサイトに残された。
  論文  参考訳（メタデータ） (2023-01-16T08:18:57Z)
• Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
  深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。 我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。 提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-11-10T03:02:12Z)
• Exploiting segmentation labels and representation learning to forecast therapy response of PDAC patients [60.78505216352878]
  化学療法に対する腫瘍反応を予測するためのハイブリッドディープニューラルネットワークパイプラインを提案する。 セグメンテーションから分類への表現伝達の組み合わせと、ローカライゼーションと表現学習を利用する。 提案手法は, 合計477個のデータセットを用いて, ROC-AUC 63.7% の処理応答を予測できる, 極めて効率的な手法である。
  論文  参考訳（メタデータ） (2022-11-08T11:50:31Z)
• 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)
• An Attention-based Weakly Supervised framework for Spitzoid Melanocytic Lesion Diagnosis in WSI [1.0948946179065253]
  メラノーマは皮膚がんによる死の大半の原因となる攻撃的な腫瘍である。 診断と予後のための金の基準は、皮膚生検の分析である。 改良型畳み込みニューラルネットワーク(CNN)を用いた誘導伝達学習に基づく,エンドツーエンドの弱い教師付き深層学習モデルを提案する。 本フレームワークは、腫瘍パッチレベルパターンの発見を担当するソースモデルと、生検の特定診断に焦点を当てたターゲットモデルとから構成される。
  論文  参考訳（メタデータ） (2021-04-20T10:18:57Z)
• A digital score of tumour-associated stroma infiltrating lymphocytes predicts survival in head and neck squamous cell carcinoma [1.116655705522709]
  線条体と腫瘍におけるTリンパ球の浸潤は、腫瘍に対する効果的な免疫反応を示し、生存率を向上させる。 深層学習に基づく自動化法は, 腫瘍, ストロマ, リンパ球の分画に用いられた。 リンパ球と腫瘍関連組織腫の空間パターンをデジタルで定量化し,TASILスコアを算出した。
  論文  参考訳（メタデータ） (2021-04-16T19:45:00Z)
• 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)

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。