Fugu-MT 論文翻訳(概要): Summary of Point Transformer with Federated Learning for Predicting Breast Cancer HER2 Status from Hematoxylin and Eosin-Stained Whole Slide Images

論文の概要: Summary of Point Transformer with Federated Learning for Predicting Breast Cancer HER2 Status from Hematoxylin and Eosin-Stained Whole Slide Images

arxiv url: http://arxiv.org/abs/2412.14545v1
Date: Thu, 19 Dec 2024 05:51:46 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-20 13:33:42.770612
Title: Summary of Point Transformer with Federated Learning for Predicting Breast Cancer HER2 Status from Hematoxylin and Eosin-Stained Whole Slide Images
Title（参考訳）: ヘマトキシリンおよびエオシンスライス画像からの乳がんHER2の予測のためのフェデレート学習を用いた点変換器の概要
Authors: Kamorudeen A. Amuda, Almustapha A. Wakili,
Abstract要約: 本研究では,ヘマトキシリンおよびエオシン全スライド画像(WSI)からHER2状態を予測するためのフェデレート学習に基づくアプローチを提案する。多地点データセットにおけるラベルの不均衡と特徴表現の問題に対処するために,点変換器を提案する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: This study introduces a federated learning-based approach to predict HER2 status from hematoxylin and eosin (HE)-stained whole slide images (WSIs), reducing costs and speeding up treatment decisions. To address label imbalance and feature representation challenges in multisite datasets, a point transformer is proposed, incorporating dynamic label distribution, an auxiliary classifier, and farthest cosine sampling. Extensive experiments demonstrate state-of-the-art performance across four sites (2687 WSIs) and strong generalization to two unseen sites (229 WSIs).
Abstract（参考訳）: 本研究は,ヘマトキシリンおよびエオシン(HE)含有全スライド画像(WSI)からHER2の状態を予測し,コストを低減し,治療決定を高速化するフェデレート学習に基づくアプローチを提案する。多地点データセットにおけるラベルの不均衡と特徴表現の問題に対処するために,動的ラベル分布,補助分類器,最遠コサインサンプリングを取り入れた点変換器を提案する。大規模な実験では、4つのサイト(2687 WSIs)にわたる最先端のパフォーマンスと、2つの未確認サイト(229 WSIs)への強力な一般化が示されている。

関連論文リスト

Divide and Conquer: Grounding a Bleeding Areas in Gastrointestinal Image with Two-Stage Model [7.1083241462091165]
本研究では,従来のマルチタスク学習モデルが生み出す課題に対処するために,分類と接地を分離する2段階の枠組みを提案する。実験結果から,分類精度とセグメンテーション精度が有意に向上した。
論文参考訳（メタデータ） (2024-12-21T18:18:12Z)
A self-supervised framework for learning whole slide representations [52.774822784847565]
我々は、全スライド画像のギガピクセルスケールの自己スーパービジョンのためのSlide Pre-trained Transformer (SPT)を提案する。バイオメディカル・マイクロスコープ・データセットを用いて,5つの診断課題におけるSPT視覚表現のベンチマークを行った。
論文参考訳（メタデータ） (2024-02-09T05:05:28Z)
Point Transformer with Federated Learning for Predicting Breast Cancer HER2 Status from Hematoxylin and Eosin-Stained Whole Slide Images [5.338163861405807]
HE-stained WSIs を用いた多地点 HER2 状態予測のためのフェデレート学習を用いた点変換器を提案する。提案手法は,2687個のWSIを持つ4つのサイトにおいて,最先端の性能を実現する。
論文参考訳（メタデータ） (2023-12-11T15:41:05Z)
Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文参考訳（メタデータ） (2023-08-31T05:05:53Z)
SPLAL: Similarity-based pseudo-labeling with alignment loss for semi-supervised medical image classification [11.435826510575879]
半教師付き学習(SSL)メソッドはラベル付きデータとラベルなしデータの両方を活用することで課題を軽減することができる。医用画像分類のためのSSL法では,(1)ラベルなしデータセットの画像に対する信頼性の高い擬似ラベルの推定,(2)クラス不均衡によるバイアスの低減という2つの課題に対処する必要がある。本稿では,これらの課題を効果的に解決する新しいSSLアプローチであるSPLALを提案する。
論文参考訳（メタデータ） (2023-07-10T14:53:24Z)
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)
Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
論文参考訳（メタデータ） (2021-09-08T07:56:51Z)
Automatic Multi-Stain Registration of Whole Slide Images in Histopathology [0.0]
単一セルの精度で巨大なギガピクセルの全体スライド画像(WSI)を自動で高速かつ断続的にアライメントするのは難しい。本稿では,微小な転移リンパ節の局在化を支援するために,2段階の自動機能ベースのクロスステインアライメントを提案する。
論文参考訳（メタデータ） (2021-07-29T19:38:30Z)
Cascaded Robust Learning at Imperfect Labels for Chest X-ray Segmentation [61.09321488002978]
不完全アノテーションを用いた胸部X線分割のための新しいカスケードロバスト学習フレームワークを提案する。モデルは3つの独立したネットワークから成り,ピアネットワークから有用な情報を効果的に学習できる。提案手法は,従来の手法と比較して,セグメント化タスクの精度を大幅に向上させることができる。
論文参考訳（メタデータ） (2021-04-05T15:50:16Z)
Towards Unbiased COVID-19 Lesion Localisation and Segmentation via Weakly Supervised Learning [66.36706284671291]
本研究では,画像レベルラベルのみに監視されたデータ駆動型フレームワークを提案する。このフレームワークは、生成する対向ネットワークと病変特異的デコーダの助けを借りて、原画像から潜在的な病変を明示的に分離することができる。
論文参考訳（メタデータ） (2021-03-01T06:05:49Z)

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。