論文の概要: Classification and Morphological Analysis of DLBCL Subtypes in H\&E-Stained Slides

• arxiv url: http://arxiv.org/abs/2411.08531v1
• Date: Wed, 13 Nov 2024 11:25:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-14 16:11:10.338258
• Title: Classification and Morphological Analysis of DLBCL Subtypes in H\&E-Stained Slides
• Title（参考訳）: H&EスライスにおけるDLBCLサブタイプの分類と形態学的解析
• Authors: Ravi Kant Gupta, Mohit Jindal, Garima Jain, Epari Sridhar, Subhash Yadav, Hasmukh Jain, Tanuja Shet, Uma Sakhdeo, Manju Sengar, Lingaraj Nayak, Bhausaheb Bagal, Umesh Apkare, Amit Sethi,
• Abstract要約: びまん性大細胞型B細胞リンパ腫(DLBCL)の分類のためのディープラーニングモデルを提案する。 クロスバリデーション中の平均面積は (87.4 pm 5.7)% の曲線 (AUC) である。 臨床応用の可能性を示す高い正の予測値(PPV)を示す。
• 参考スコア（独自算出の注目度）: 1.6921301404288207
• License:
• Abstract: We address the challenge of automated classification of diffuse large B-cell lymphoma (DLBCL) into its two primary subtypes: activated B-cell-like (ABC) and germinal center B-cell-like (GCB). Accurate classification between these subtypes is essential for determining the appropriate therapeutic strategy, given their distinct molecular profiles and treatment responses. Our proposed deep learning model demonstrates robust performance, achieving an average area under the curve (AUC) of (87.4 pm 5.7)\% during cross-validation. It shows a high positive predictive value (PPV), highlighting its potential for clinical application, such as triaging for molecular testing. To gain biological insights, we performed an analysis of morphological features of ABC and GCB subtypes. We segmented cell nuclei using a pre-trained deep neural network and compared the statistics of geometric and color features for ABC and GCB. We found that the distributions of these features were not very different for the two subtypes, which suggests that the visual differences between them are more subtle. These results underscore the potential of our method to assist in more precise subtype classification and can contribute to improved treatment management and outcomes for patients of DLBCL.
• Abstract（参考訳）: びまん性大B細胞リンパ腫 (DLBCL) を, 活性化B細胞様 (ABC) と胚中心B細胞様 (GCB) の2つのサブタイプに自動分類することの課題に対処する。 これらのサブタイプ間の正確な分類は、それぞれの異なる分子プロファイルと治療反応から適切な治療戦略を決定するために不可欠である。 提案したディープラーニングモデルでは, クロスバリデーション中に (87.4 pm 5.7)\% の曲線 (AUC) の平均領域を達成し, 頑健な性能を示す。 高い正の予測値(PPV)を示し、分子試験のためのトリアージのような臨床応用の可能性を強調している。 生物学的知見を得るために,ABCおよびGCBサブタイプの形態的特徴の分析を行った。 我々は,事前学習した深層ニューラルネットワークを用いて細胞核を分画し,ABCとGCBの幾何学的特徴と色特徴の統計値を比較した。 これらの特徴の分布は2つのサブタイプではそれほど大きく変化せず、両者の視覚的差異がより微妙であることが示唆された。 これらの結果は, DLBCL患者に対する治療管理と成績の改善に寄与し, より精密なサブタイプ分類を支援する方法の可能性を明らかにするものである。

関連論文リスト

• DAFFNet: A Dual Attention Feature Fusion Network for Classification of White Blood Cells [2.0005570775461567]
  本稿では,WBC の形態的特徴と高レベルな意味的特徴を統合した新しいデュアルブランチネットワーク Dual Attention Feature Fusion Network (DAFFNet) を提案する。 提案するネットワークフレームワークは,6つの公開データセットに対して98.77%,91.30%,98.36%,99.71%,98.45%,98.85%の総合的精度を達成した。
  論文  参考訳（メタデータ） (2024-05-25T13:09:25Z)
• FlowCyt: A Comparative Study of Deep Learning Approaches for Multi-Class Classification in Flow Cytometry Benchmarking [1.6712896227173808]
  FlowCytは、フローコードされたデータにおいて、マルチクラスのシングルセル分類のための最初の包括的なベンチマークである。 このデータセットは、30人の患者の骨髄サンプルからなり、各細胞は12個のマーカーで特徴づけられる。
  論文  参考訳（メタデータ） (2024-02-28T15:01:59Z)
• Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
  我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。 クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。 本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
  論文  参考訳（メタデータ） (2023-11-28T09:14:55Z)
• Imbalanced Domain Generalization for Robust Single Cell Classification in Hematological Cytomorphology [3.7007225479462402]
  我々は、ドメイン間データの不均衡とドメインシフトに対処して、WBC分類のための堅牢なCNNを訓練する。 提案手法は,既存手法と比較してF1マクロスコアが最適である。
  論文  参考訳（メタデータ） (2023-03-14T10:20:31Z)
• Learning disentangled representations for explainable chest X-ray classification using Dirichlet VAEs [68.73427163074015]
  本研究では,胸部X線像の非絡み合った潜在表現の学習にDirVAE(Dirichlet Variational Autoencoder)を用いることを検討した。 DirVAEモデルにより学習された多モード潜在表現の予測能力について,補助的多ラベル分類タスクの実装により検討した。
  論文  参考訳（メタデータ） (2023-02-06T18:10:08Z)
• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)
• Multi-class versus One-class classifier in spontaneous speech analysis oriented to Alzheimer Disease diagnosis [58.720142291102135]
  本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。 外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
  論文  参考訳（メタデータ） (2022-03-21T09:57:20Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• 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)
• A Novel Self-Learning Framework for Bladder Cancer Grading Using Histopathological Images [1.244681179922733]
  組織像から膀胱癌を診断するための自己学習の枠組みについて検討した。 組織学的パッチを病のさまざまなレベルに分類できる新しいDeep Convolutional Embedded Attention Clustering (DCEAC)を提案する。
  論文  参考訳（メタデータ） (2021-06-25T11:04:04Z)
• Instance-based Vision Transformer for Subtyping of Papillary Renal Cell Carcinoma in Histopathological Image [31.00452985964065]
  P型腎細胞癌(RCC)の病理組織学的サブタイプは1型対2型であり,本態性予後因子である。 本稿では,pRCCサブタイピングタスクの組織像の頑健な表現を学習するための,新しいインスタンスベースの視覚変換器(i-ViT)を提案する。 実験結果から,提案手法は既存のCNNモデルよりも優れた性能を示すことが示された。
  論文  参考訳（メタデータ） (2021-06-23T09:42:49Z)

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。