Fugu-MT 論文翻訳(概要): Whole Slide Image Classification of Salivary Gland Tumours

論文の概要: Whole Slide Image Classification of Salivary Gland Tumours

arxiv url: http://arxiv.org/abs/2408.12275v1
Date: Thu, 22 Aug 2024 10:19:41 GMT
ステータス: 処理完了
システム内更新日: 2024-08-23 14:23:36.770901
Title: Whole Slide Image Classification of Salivary Gland Tumours
Title（参考訳）: 唾液腺腫瘍の全スライド画像分類
Authors: John Charlton, Ibrahim Alsanie, Syed Ali Khurram,
Abstract要約: 本研究は,スライド画像全体の癌分類における唾液腺腫瘍の多症例学習による有望な結果を示す。 CTransPathをパッチレベルの特徴抽出器として、CLAMを特徴集約器として、スライド画像全体の癌を検出するために、F1スコア0.88以上、AUROC0.92以上を得る。
参考スコア（独自算出の注目度）: 0.8315801422499863
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: This work shows promising results using multiple instance learning on salivary gland tumours in classifying cancers on whole slide images. Utilising CTransPath as a patch-level feature extractor and CLAM as a feature aggregator, an F1 score of over 0.88 and AUROC of 0.92 are obtained for detecting cancer in whole slide images.
Abstract（参考訳）: 本研究は,スライド画像全体の癌分類における唾液腺腫瘍の多症例学習による有望な結果を示す。 CTransPathをパッチレベルの特徴抽出器として、CLAMを特徴集約器として、スライド画像全体の癌を検出するために、F1スコア0.88以上、AUROC0.92以上を得る。

関連論文リスト

Lung-CADex: Fully automatic Zero-Shot Detection and Classification of Lung Nodules in Thoracic CT Images [45.29301790646322]
コンピュータ支援診断は早期の肺結節の検出に役立ち、その後の結節の特徴づけを促進する。 MedSAMと呼ばれるSegment Anything Modelの変種を用いて肺結節をゼロショットでセグメント化するためのCADeを提案する。また、放射能特徴のギャラリーを作成し、コントラスト学習を通じて画像と画像のペアを整列させることにより、良性/良性としての結節的特徴付けを行うCADxを提案する。
論文参考訳（メタデータ） (2024-07-02T19:30:25Z)
TotalSegmentator MRI: Sequence-Independent Segmentation of 59 Anatomical Structures in MR images [62.53931644063323]
本研究では,TotalSegmentatorをMR画像に拡張した。このデータセットに基づいてnnU-Netセグメンテーションアルゴリズムを訓練し、類似度係数(Dice)を計算し、モデルの性能を評価した。このモデルは、他の2つの公開セグメンテーションモデル(Dice score 0.824 vs 0.762; p0.001 and 0.762 versus 0.542; p)を大きく上回った。
論文参考訳（メタデータ） (2024-05-29T20:15:54Z)
CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文参考訳（メタデータ） (2021-11-16T15:03:42Z)
Multimodal Generalized Zero Shot Learning for Gleason Grading using Self-Supervised Learning [4.898744396854313]
前立腺癌の正確な診断には,病理組織像からのグリースングレーディングが不可欠である。本稿では,非干渉的かつ容易に取得可能なMR画像からGleasonグレードを予測する手法を提案する。
論文参考訳（メタデータ） (2021-11-15T10:14:11Z)
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)
Towards Ultrafast MRI via Extreme k-Space Undersampling and Superresolution [65.25508348574974]
我々は、オリジナルのfastMRIチャレンジを参照するすべての公開論文によって報告されたMRI加速係数を下回る。低解像を補うための強力な深層学習に基づく画像強化手法を検討する。復元された画像の品質は他の方法よりも高く、MSEは0.00114、PSNRは29.6 dB、SSIMは0.956 x16加速係数である。
論文参考訳（メタデータ） (2021-03-04T10:45:01Z)
Deep learning models for gastric signet ring cell carcinoma classification in whole slide images [0.0]
胃のシグレットリング細胞癌(SRCC)は稀なタイプの癌であり、徐々に発生が増加する。我々は、全スライド画像(WSI)のSRCCを予測するために、トランスファーラーニング、完全教師付き学習、弱教師付き学習を用いてディープラーニングモデルを訓練した。最良のモデルは、4つのテストセットすべてにおいて少なくとも0.99の曲線(AUC)の下で受信者演算子曲線(ROC)領域を達成し、SRCC WSI分類のベースライン性能を最上位に設定した。
論文参考訳（メタデータ） (2020-11-18T12:39:51Z)
A Multi-resolution Model for Histopathology Image Classification and Localization with Multiple Instance Learning [9.36505887990307]
精度マップを利用して不審な地域を検知し,詳細なグレード予測を行うマルチレゾリューション・マルチインスタンス学習モデルを提案する。このモデルは、830人の患者から20,229のスライドを含む大規模前立腺生検データセットに基づいて開発された。このモデルは92.7%の精度、良性、低等級(中等級)、高等級(中等級)のCohen's Kappa、98.2%の受信機動作特性曲線(AUROC)、平均精度(AP)97.4%の予測を達成した。
論文参考訳（メタデータ） (2020-11-05T06:42:39Z)
Multimodal brain tumor classification [4.984601297028256]
本研究では,全スライド画像と磁気共鳴画像を組み合わせて腫瘍を分類する深層学習手法について検討する。特に、私たちのソリューションは、スライド画像の分類全体のための強力で汎用的でモジュラーなアーキテクチャで構成されています。 2020年の計算精度医学の課題に先んじて実験が実施されている。
論文参考訳（メタデータ） (2020-09-03T11:41:50Z)
A multicenter study on radiomic features from T$_2$-weighted images of a customized MR pelvic phantom setting the basis for robust radiomic models in clinics [47.187609203210705]
骨盤ファントムの2Dおよび3D T$$-weightedイメージを3つのスキャナーで取得した。放射線学的特徴の再現性と再配置を評価した。
論文参考訳（メタデータ） (2020-05-14T09:24:48Z)
Representation Learning of Histopathology Images using Graph Neural Networks [12.427740549056288]
本稿では,WSI表現学習のための2段階フレームワークを提案する。色に基づく手法を用いて関連するパッチをサンプリングし、グラフニューラルネットワークを用いてサンプルパッチ間の関係を学習し、画像情報を単一のベクトル表現に集約する。肺腺癌 (LUAD) と肺扁平上皮癌 (LUSC) の2つの亜型を鑑別するためのアプローチの有用性について検討した。
論文参考訳（メタデータ） (2020-04-16T00:09:20Z)

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。