Fugu-MT 論文翻訳(概要): Fully Automated CTC Detection, Segmentation and Classification for Multi-Channel IF Imaging

論文の概要: Fully Automated CTC Detection, Segmentation and Classification for Multi-Channel IF Imaging

arxiv url: http://arxiv.org/abs/2410.02988v1
Date: Thu, 3 Oct 2024 20:58:07 GMT
ステータス: 処理完了
システム内更新日: 2024-11-03 04:35:40.340531
Title: Fully Automated CTC Detection, Segmentation and Classification for Multi-Channel IF Imaging
Title（参考訳）: マルチチャネルIFイメージングのための完全自動CTC検出, セグメンテーション, 分類
Authors: Evan Schwab, Bharat Annaldas, Nisha Ramesh, Anna Lundberg, Vishal Shelke, Xinran Xu, Cole Gilbertson, Jiyun Byun, Ernest T. Lam,
Abstract要約: 液体生検は、乳がんの進行をモニターするために、組織生検のより侵襲的で非局所的な代替手段を提供する。循環性腫瘍細胞(CTC)はまれ(約2Mで1個)、手動CTC検出が困難である。我々は,マルチチャネルIF画像中のCTCを効率よく検出,セグメント化,分類する,完全に自動化された機械学習に基づく生産レベルパイプラインを開発した。
参考スコア（独自算出の注目度）: 0.3482692226532414
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Liquid biopsies (eg., blood draws) offer a less invasive and non-localized alternative to tissue biopsies for monitoring the progression of metastatic breast cancer (mBCa). Immunofluoresence (IF) microscopy is a tool to image and analyze millions of blood cells in a patient sample. By detecting and genetically sequencing circulating tumor cells (CTCs) in the blood, personalized treatment plans are achievable for various cancer subtypes. However, CTCs are rare (about 1 in 2M), making manual CTC detection very difficult. In addition, clinicians rely on quantitative cellular biomarkers to manually classify CTCs. This requires prior tasks of cell detection, segmentation and feature extraction. To assist clinicians, we have developed a fully automated machine learning-based production-level pipeline to efficiently detect, segment and classify CTCs in multi-channel IF images. We achieve over 99% sensitivity and 97% specificity on 9,533 cells from 15 mBCa patients. Our pipeline has been successfully deployed on real mBCa patients, reducing a patient average of 14M detected cells to only 335 CTC candidates for manual review.
Abstract（参考訳）: 液体生検(液体生検)は、転移性乳癌(mBCa)の進行をモニターするために、組織生検のより侵襲的で非局所的な代替手段を提供する。免疫蛍光顕微鏡(Immunofluoresence microscopy)は、患者サンプル中の数百万の血液細胞を画像化し、分析するツールである。血液中の循環性腫瘍細胞(CTC)を検出および遺伝子配列化することにより、様々ながんサブタイプに対してパーソナライズされた治療計画が達成される。しかし、CTCはまれであり(約2Mで1個)、手動CTC検出は非常に困難である。さらに、臨床医はCTCを手動で分類するために定量的な細胞バイオマーカーに依存している。これは、細胞検出、セグメンテーション、特徴抽出といった事前のタスクを必要とする。臨床医を支援するため,我々は,多チャンネルIF画像中のCTCを効率よく検出,セグメント化,分類する,完全に自動化された機械学習に基づく生産レベルパイプラインを開発した。我々は15mBCa患者の9,533細胞に対して99%以上の感受性と97%の特異性を得た。我々のパイプラインは実際のmBCa患者にうまく展開され、患者平均14Mの細胞を335のCTC候補に減らした。

関連論文リスト

Fast TILs estimation in lung cancer WSIs based on semi-stochastic patch sampling [0.0]
パイプラインは、予後に関係のない領域の約70%を効率よく排除し、予後の正確性を維持するために残りのパッチの5%しか必要としない。このパイプラインは、NSCLCの予後と治療のパーソナライゼーションを高める可能性を示す。今後の研究は、その幅広い臨床的有用性を検証すること、およびNSCLC予後を改善するために追加のバイオマーカーを調査することに焦点を当てるべきである。
論文参考訳（メタデータ） (2024-05-05T12:41:55Z)
Primary liver cancer classification from routine tumour biopsy using weakly supervised deep learning [10.50491279664907]
原発性肝癌(PLCs)の診断は、特に生検および併用胆管癌(cHCC-CCA)において困難である。弱教師付き学習法を用いて, 常駐型生検で自動的にPLCを分類した。弱腫瘍/非腫瘍アノテーションは、Resnet18ニューラルネットワークをトレーニングするためのラベルとして機能し、ネットワークの最後の畳み込み層は、新しい腫瘍タイルの特徴を抽出するために使用された。
論文参考訳（メタデータ） (2024-04-07T15:03:46Z)
Fully transformer-based biomarker prediction from colorectal cancer histology: a large-scale multicentric study [1.0424274317527076]
ディープラーニングは、大腸癌の定期的な病態スライドから予測的および予後的バイオマーカーを抽出することができる。トランスフォーマーネットワークはCNNよりも優れており、多くのアプリケーションで置き換えられているが、がんにおけるバイオマーカーの予測には使われていない。本研究では,病的スライドからエンド・ツー・エンドのバイオマーカーを予測するための完全トランスフォーマーベースのパイプラインを開発した。
論文参考訳（メタデータ） (2023-01-23T18:33:38Z)
Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer Tissue Biopsy Samples [94.37521840642141]
生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
論文参考訳（メタデータ） (2022-03-23T00:58:27Z)
Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文参考訳（メタデータ） (2022-02-17T08:33:52Z)
A Pragmatic Machine Learning Approach to Quantify Tumor Infiltrating Lymphocytes in Whole Slide Images [0.0]
がん組織における腫瘍浸潤リンパ球(TIL)の上昇は、多くの種類のがんにおいて好ましい結果を示す。本研究の目的は,肺がん患者の標準診断ヘマトキシリンおよびエオシン染色部(H&Eスライス)の全スライド画像(WSI)中のTILを自動的に定量化することである。
論文参考訳（メタデータ） (2022-02-14T10:22:10Z)
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)
3D Graph Anatomy Geometry-Integrated Network for Pancreatic Mass Segmentation, Diagnosis, and Quantitative Patient Management [21.788423806147378]
膵管腺癌(PDAC)と他の9つの非PDAC腫とを多相CT画像で区別する。患者レベルの診断を行うための総合的セグメンテーション・メシュ分類網(SMCN)を提案する。
論文参考訳（メタデータ） (2020-12-08T19:38:01Z)
M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文参考訳（メタデータ） (2020-10-07T06:22:24Z)
Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
論文参考訳（メタデータ） (2020-05-27T06:58:39Z)
JCS: An Explainable COVID-19 Diagnosis System by Joint Classification and Segmentation [95.57532063232198]
新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
論文参考訳（メタデータ） (2020-04-15T12:30:40Z)

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。