論文の概要: Single Shot AI-assisted quantification of KI-67 proliferation index in breast cancer

• arxiv url: http://arxiv.org/abs/2503.19606v1
• Date: Tue, 25 Mar 2025 12:41:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-26 16:53:36.661716
• Title: Single Shot AI-assisted quantification of KI-67 proliferation index in breast cancer
• Title（参考訳）: 単一ショットAIによる乳癌におけるKI-67増殖指数の定量化
• Authors: Deepti Madurai Muthu, Priyanka S, Lalitha Rani N, P. G. Kubendran Amos,
• Abstract要約: そこで本研究では, YOLOv8オブジェクト検出フレームワークを用いたAIによるKi-67自動スコアリング手法を提案する。 化学染色した腫瘍部位の高解像度デジタル画像(40倍倍)をKi-67ホットスポット領域から採取し,領域の専門家が手動でKi-67陽性腫瘍細胞と陰性腫瘍細胞の鑑別を行った。 提案手法は,Ki-67の評価において,従来手法よりも効率よく,スケーラブルで,客観的な代替手段を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Reliable quantification of Ki-67, a key proliferation marker in breast cancer, is essential for molecular subtyping and informed treatment planning. Conventional approaches, including visual estimation and manual counting, suffer from interobserver variability and limited reproducibility. This study introduces an AI-assisted method using the YOLOv8 object detection framework for automated Ki-67 scoring. High-resolution digital images (40x magnification) of immunohistochemically stained tumor sections were captured from Ki-67 hotspot regions and manually annotated by a domain expert to distinguish Ki-67-positive and negative tumor cells. The dataset was augmented and divided into training (80%), validation (10%), and testing (10%) subsets. Among the YOLOv8 variants tested, the Medium model achieved the highest performance, with a mean Average Precision at 50% Intersection over Union (mAP50) exceeding 85% for Ki-67-positive cells. The proposed approach offers an efficient, scalable, and objective alternative to conventional scoring methods, supporting greater consistency in Ki-67 evaluation. Future directions include developing user-friendly clinical interfaces and expanding to multi-institutional datasets to enhance generalizability and facilitate broader adoption in diagnostic practice.
• Abstract（参考訳）: 乳癌における重要な増殖マーカーであるKi-67の信頼性の定量化は、分子置換および情報治療計画に不可欠である。 視覚的推定や手動のカウントを含む従来のアプローチは、オブザーバ間のばらつきと再現性の制限に悩まされている。 そこで本研究では, YOLOv8オブジェクト検出フレームワークを用いたAIによるKi-67自動スコアリング手法を提案する。 免疫組織化学的に染色された腫瘍部位の高解像度デジタル画像(40倍倍)をKi-67ホットスポット領域から採取し,領域の専門家が手動でKi-67陽性腫瘍細胞と陰性腫瘍細胞の鑑別を行った。 データセットは強化され、トレーニング(80%)、検証(10%)、テスト(10%)サブセットに分割された。 YOLOv8変異体のうち、Mediumモデルが最も高い性能を達成し、Ki-67陽性細胞では平均50%のインターセクション(mAP50)で平均精度が85%を超えた。 提案手法は,Ki-67の評価において,従来手法よりも効率よく,スケーラブルで,客観的な代替手段を提供する。 将来的には、ユーザフレンドリーな臨床インターフェースの開発や、汎用性を高め、診断プラクティスの広範な採用を促進するために、多施設データセットへの拡張も計画されている。

関連論文リスト

• Leveraging Machine Learning and Deep Learning Techniques for Improved Pathological Staging of Prostate Cancer [0.4660328753262075]
  本研究は,PCaの病的ステージング予測を改善するために,機械学習と深層学習のアプローチと特徴選択と抽出手法を活用する。 ランダムフォレスト(RF)、ロジスティック回帰(LR)、エクストリームグラディエントブースティング(XGB)、サポートベクターマシン(SVM)などの高度なアルゴリズムを用いて486腫瘍の遺伝子発現プロファイルを解析した。 その結果、最も高いF1スコア(約83%)はランダムフォレストアルゴリズムによって達成されたことが明らかとなった。
  論文  参考訳（メタデータ） (2025-02-13T14:53:09Z)
• MGH Radiology Llama: A Llama 3 70B Model for Radiology [50.42811030970618]
  本稿では,高度な放射線学に焦点を当てた大規模言語モデルMGH Radiology Llamaを提案する。 Llama 3 70Bモデルを使用して開発され、Radiology-GPTやRadiology-Llama2といった従来のドメイン固有モデルをベースにしている。 従来の指標とGPT-4に基づく評価の両方を取り入れた評価では,汎用LLMよりも高い性能を示す。
  論文  参考訳（メタデータ） (2024-08-13T01:30:03Z)
• 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)
• PathRTM: Real-time prediction of KI-67 and tumor-infiltrated lymphocytes [0.0]
  RTMDetをベースとした新しいディープニューラルネットワーク検出器であるPathRTMを導入し,KI-67自動増殖と腫瘍浸潤リンパ球推定を行った。 PathRTMは、KI-67免疫陽性、免疫陰性、およびリンパ球検出において、平均精度(AP)が41.3%である最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-04-23T08:17:26Z)
• Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
  本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
  論文  参考訳（メタデータ） (2022-10-13T15:34:20Z)
• Ki-67 Index Measurement in Breast Cancer Using Digital Image Analysis [0.0]
  Ki67指数は、いくつかの種類のがんにおいて貴重な予後変数である。 臨床実践では、Ki-67指数の測定は視覚的識別法と手動計数に依存する。 そこで我々は,デジタル画像処理技術を用いて,Ki-67インデックスを解釈するデジタル画像解析手法を開発した。
  論文  参考訳（メタデータ） (2022-09-27T04:48:57Z)
• 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)
• Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
  注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
  論文  参考訳（メタデータ） (2021-10-19T00:03:57Z)
• Comparison of Machine Learning Classifiers to Predict Patient Survival and Genetics of GBM: Towards a Standardized Model for Clinical Implementation [44.02622933605018]
  放射線モデルは、グリオ芽腫(GBM)の結果予測のための臨床データを上回ることが示されています。 GBM患者の生存率(OS),IDH変異,O-6-メチルグアニン-DNA-メチルトランスフェラーゼ(MGMT)プロモーターメチル化,EGFR(EGFR)VII増幅,Ki-67発現の9種類の機械学習分類器を比較した。 xgb は os (74.5%), ab for idh 変異 (88%), mgmt メチル化 (71,7%), ki-67 発現 (86,6%), egfr増幅 (81。
  論文  参考訳（メタデータ） (2021-02-10T15:10:37Z)
• PathoNet: Deep learning assisted evaluation of Ki-67 and tumor infiltrating lymphocytes (TILs) as prognostic factors in breast cancer; A large dataset and baseline [2.4378845585726903]
  そこで我々は,Ki-67免疫染色細胞検出・分類のための新しいパイプラインとバックエンド,PathoNetを導入する。 課題に直面しながらも、提案するバックエンドであるPathoNetは、ハーモニック平均値で現在提案されている技術手法の状態を上回ります。
  論文  参考訳（メタデータ） (2020-10-09T17:55:52Z)

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。