論文の概要: Deep Learning for Fetal Inflammatory Response Diagnosis in the Umbilical Cord

• arxiv url: http://arxiv.org/abs/2411.09767v1
• Date: Thu, 14 Nov 2024 19:24:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-18 15:38:51.948037
• Title: Deep Learning for Fetal Inflammatory Response Diagnosis in the Umbilical Cord
• Title（参考訳）: 胎児の炎症性反応診断のための深層学習
• Authors: Marina A. Ayad, Ramin Nateghi, Abhishek Sharma, Lawrence Chillrud, Tilly Seesillapachai, Lee A. D. Cooper, Jeffery A. Goldstein,
• Abstract要約: 子宮の炎症は、子宮内感染などの炎症刺激の上昇の結果であると考えられる。 近年,デジタル病理学における深層学習の進歩は,幅広い臨床課題において良好な成績を示した。
• 参考スコア（独自算出の注目度）: 2.4573404709588673
• License:
• Abstract: Inflammation of the umbilical cord can be seen as a result of ascending intrauterine infection or other inflammatory stimuli. Acute fetal inflammatory response (FIR) is characterized by infiltration of the umbilical cord by fetal neutrophils, and can be associated with neonatal sepsis or fetal inflammatory response syndrome. Recent advances in deep learning in digital pathology have demonstrated favorable performance across a wide range of clinical tasks, such as diagnosis and prognosis. In this study we classified FIR from whole slide images (WSI). We digitized 4100 histological slides of umbilical cord stained with hematoxylin and eosin(H&E) and extracted placental diagnoses from the electronic health record. We build models using attention-based whole slide learning models. We compared strategies between features extracted by a model (ConvNeXtXLarge) pretrained on non-medical images (ImageNet), and one pretrained using histopathology images (UNI). We trained multiple iterations of each model and combined them into an ensemble. The predictions from the ensemble of models trained using UNI achieved an overall balanced accuracy of 0.836 on the test dataset. In comparison, the ensembled predictions using ConvNeXtXLarge had a lower balanced accuracy of 0.7209. Heatmaps generated from top accuracy model appropriately highlighted arteritis in cases of FIR 2. In FIR 1, the highest performing model assigned high attention to areas of activated-appearing stroma in Wharton's Jelly. However, other high-performing models assigned attention to umbilical vessels. We developed models for diagnosis of FIR from placental histology images, helping reduce interobserver variability among pathologists. Future work may examine the utility of these models for identifying infants at risk of systemic inflammatory response or early onset neonatal sepsis.
• Abstract（参考訳）: 子宮の炎症は、子宮内感染などの炎症刺激の上昇の結果であると考えられる。 急性胎児炎症性反応 (FIR) は、胎児好中球による子宮内膜浸潤を特徴とし、新生児敗血症または胎児炎症性反応症候群と関連付けられる。 近年のデジタル病理学における深層学習の進歩は、診断や予後などの幅広い臨床課題において良好なパフォーマンスを示している。 本研究では,スライド画像全体(WSI)からFIRを分類した。 われわれはヘマトキシリンとエオシン(H&E)で染色し,電子カルテから胎盤診断を行った。 私たちは、注目に基づく全スライド学習モデルを使用してモデルを構築します。 非医療画像(ImageNet)で事前訓練したモデル(ConvNeXtXLarge)と病理像(UNI)を用いて事前訓練したモデル(ConvNeXtXLarge)の戦略を比較した。 私たちは各モデルの複数のイテレーションをトレーニングし、それらをアンサンブルにまとめました。 UNIを用いてトレーニングされたモデルのアンサンブルからの予測は、テストデータセット上で全体のバランスの取れた精度0.836を達成した。 一方、ConvNeXtXLargeを用いたアンサンブル予測は0.7209である。 FIR2症例の動脈炎を適切に強調したトップ精度モデルから生成した熱マップ FIR 1では、最高性能のモデルがウォートンズジェリーで活動的に出現するストローマの領域に高い注意を向けた。 しかし、他の高性能なモデルでは艦艇に注意を向けた。 我々は胎盤組織像からFIRの診断モデルを構築し,病理組織学におけるサーバ間変動の低減に寄与した。 将来の研究は、乳児の全身性炎症反応または早期発症新生児敗血症のリスクを識別するためのこれらのモデルの有用性を検討することができる。

関連論文リスト

• Machine learning identification of maternal inflammatory response and histologic choroamnionitis from placental membrane whole slide images [2.151867022095953]
  胎盤の炎症過程は、子孫の健康に短期的、長期的に影響を及ぼす。 デジタル病理学と機械学習は胎盤炎症を理解する上で重要な役割を果たす。 本研究は,全スライド画像(WSI)に基づいて,機械学習を用いて母性炎症反応(MIR)を理解する可能性を検討することを目的とする。
  論文  参考訳（メタデータ） (2024-11-04T18:21:56Z)
• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Neural Network-Based Histologic Remission Prediction In Ulcerative Colitis [38.150634108667774]
  潰瘍性大腸炎(UC)の新しい治療標的としての組織学的寛解 内視鏡(Endocytoscopy、EC)は、新しい超高倍率内視鏡技術である。 本稿では,心電図の組織学的疾患活動を評価するニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-28T15:54:14Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• Interpretable and intervenable ultrasonography-based machine learning models for pediatric appendicitis [8.083060080133842]
  虫垂炎は小児腹部手術の最も多い原因の一つである。 虫垂炎に対する以前の意思決定支援システムは、臨床、検査、スコアリング、およびCTデータに焦点を当ててきた。 超音波画像を用いた虫垂炎の診断・管理・重症度予測のための解釈可能な機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2023-02-28T10:08:11Z)
• Interpretable Prediction of Pulmonary Hypertension in Newborns using Echocardiograms [2.770437783544638]
  新生児および乳児の肺高血圧は、いくつかの肺疾患、心臓疾患、全身疾患に関連する複雑な疾患である。 心エコー図を用いたコホート194新生児のPH予測のための多視点ビデオに基づく多視点深層学習手法を提案する。
  論文  参考訳（メタデータ） (2022-03-24T12:33:58Z)
• Automatic Classification of Neuromuscular Diseases in Children Using Photoacoustic Imaging [77.32032399775152]
  神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。 激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
  論文  参考訳（メタデータ） (2022-01-27T16:37:19Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• A Deep Learning Study on Osteosarcoma Detection from Histological Images [6.341765152919201]
  最も一般的な悪性骨腫瘍は骨肉腫である。 CNNは、外科医の作業量を著しく減らし、患者の状態の予後を良くする。 CNNは、より信頼できるパフォーマンスを達成するために、大量のデータをトレーニングする必要があります。
  論文  参考訳（メタデータ） (2020-11-02T18:16:17Z)
• Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
  医療コミュニティにおけるこの問題の重要性を示す。 本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。 約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
  論文  参考訳（メタデータ） (2020-07-15T09:22:55Z)
• Dynamic Graph Correlation Learning for Disease Diagnosis with Incomplete Labels [66.57101219176275]
  胸部X線画像上の疾患診断は,多ラベル分類の課題である。 本稿では,異なる疾患間の相互依存を調査する新たな視点を提示する病的診断グラフ畳み込みネットワーク(DD-GCN)を提案する。 本手法は,相関学習のための動的隣接行列を用いた特徴写像上のグラフを初めて構築する手法である。
  論文  参考訳（メタデータ） (2020-02-26T17:10:48Z)

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。