論文の概要: Predicting ulcer in H&E images of inflammatory bowel disease using domain-knowledge-driven graph neural network

• arxiv url: http://arxiv.org/abs/2504.09430v1
• Date: Sun, 13 Apr 2025 04:34:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 16:49:52.423680
• Title: Predicting ulcer in H&E images of inflammatory bowel disease using domain-knowledge-driven graph neural network
• Title（参考訳）: ドメイン知識駆動型グラフニューラルネットワークを用いた炎症性腸疾患のH&E画像における潰瘍予測
• Authors: Ruiwen Ding, Lin Li, Rajath Soans, Tosha Shah, Radha Krishnan, Marc Alexander Sze, Sasha Lukyanov, Yash Deshpande, Antong Chen,
• Abstract要約: 炎症性腸疾患(IBD: Inflammatory bowel disease)は、慢性的な消化管炎症を伴う疾患である。 本稿では, グラフ畳み込みニューラルネットワーク(GCN)を応用し, 潰瘍の特徴に関するドメイン固有知識を取り入れた, DomainGCN と呼ばれる弱教師付きモデルを提案する。 本研究では、DomainGCNが様々なSOTA(State-of-the-art MIL)メソッドより優れており、ドメイン知識の付加価値を示す。
• 参考スコア（独自算出の注目度）: 8.650650194041893
• License:
• Abstract: Inflammatory bowel disease (IBD) involves chronic inflammation of the digestive tract, with treatment options often burdened by adverse effects. Identifying biomarkers for personalized treatment is crucial. While immune cells play a key role in IBD, accurately identifying ulcer regions in whole slide images (WSIs) is essential for characterizing these cells and exploring potential therapeutics. Multiple instance learning (MIL) approaches have advanced WSI analysis but they lack spatial context awareness. In this work, we propose a weakly-supervised model called DomainGCN that employs a graph convolution neural network (GCN) and incorporates domain-specific knowledge of ulcer features, specifically, the presence of epithelium, lymphocytes, and debris for WSI-level ulcer prediction in IBD. We demonstrate that DomainGCN outperforms various state-of-the-art (SOTA) MIL methods and show the added value of domain knowledge.
• Abstract（参考訳）: 炎症性腸疾患(IBD: Inflammatory bowel disease)は、慢性的な消化管炎症を伴う疾患である。 パーソナライズされた治療のためのバイオマーカーの同定が重要である。 IBDでは免疫細胞が重要な役割を担っているが、スライド画像全体(WSI)の潰瘍領域を正確に同定することは、これらの細胞を識別し、治療の可能性を探るために不可欠である。 複数インスタンス学習(MIL)アプローチは、高度なWSI分析を持つが、空間的文脈認識は欠如している。 本稿では,グラフ畳み込みニューラルネットワーク(GCN)を用いた弱い教師付きモデルであるDomainGCNを提案する。 本研究では、DomainGCNが様々なSOTA(State-of-the-art MIL)メソッドより優れており、ドメイン知識の付加価値を示す。

関連論文リスト

• Cross-Organ Domain Adaptive Neural Network for Pancreatic Endoscopic Ultrasound Image Segmentation [26.864169156833015]
  ドメイン適応(DA)は、他のドメインからの関連する知識を活用することでこれらの課題に対処するために使われてきた。 これらの課題に対処するために,ユニバーサルネットワークと補助ネットワークからなるCross-Organ tumor Networks (COTS-Nets)を提案する。 COTS-Netsは膵癌診断の精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-09-07T05:40:55Z)
• Joint Stream: Malignant Region Learning for Breast Cancer Diagnosis [4.8708787595548095]
  Estrogen receptor (ER), Progesterone receptor (PR), Human epidermal Growth Factor receptor 2 (HER2) gene, Histological grade (HG), Auxiliary lymph node (ALN) status, Molecular subtype (MS) は, BC診断の改善に重要な役割を果たす。 本稿では,H&E染色WSIを用いて早期に診断された6つの重要な因子 (ER, PR, HER2, ALN, HG, MS) を分類することを提案する。
  論文  参考訳（メタデータ） (2024-06-26T09:56:29Z)
• Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection in OCTA Images [53.235117594102675]
  オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。 我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。 Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
  論文  参考訳（メタデータ） (2023-11-10T11:49:49Z)
• Beyond attention: deriving biologically interpretable insights from weakly-supervised multiple-instance learning models [2.639541396835675]
  本稿では,高精細エンコーダによるタイルレベルのアテンションと予測スコアを組み合わせたPAWマップを提案する。 また, PAWマップと核分割マスクを統合することにより, 生物学的特徴のインスタンス化手法も導入する。 本手法により, 予後不良の予知を行う領域は, 腫瘍部位と同一位置にあることが判明した。
  論文  参考訳（メタデータ） (2023-09-07T09:44:35Z)
• Active Learning Enhances Classification of Histopathology Whole Slide Images with Attention-based Multiple Instance Learning [48.02011627390706]
  我々は、注意に基づくMILをトレーニングし、データセット内の各画像に対する信頼度を算出し、専門家のアノテーションに対して最も不確実なWSIを選択する。 新たな注意誘導損失により、各クラスにアノテートされた領域がほとんどない、トレーニングされたモデルの精度が向上する。 将来的には、病理組織学における癌分類の臨床的に関連する文脈において、MILモデルのトレーニングに重要な貢献をする可能性がある。
  論文  参考訳（メタデータ） (2023-03-02T15:18:58Z)
• Detecting Histologic & Clinical Glioblastoma Patterns of Prognostic Relevance [6.281092892485014]
  グリオ芽腫は中枢神経系で最も一般的で攻撃的な悪性成人腫瘍である。 18年前に現在の標準治療を採用して以降,実質的な予後改善は認められていない。 ここでは,H&E染色WSIとOSに関する臨床データから,予後関連特性の同定に焦点をあてる。
  論文  参考訳（メタデータ） (2023-02-01T18:56:09Z)
• Domain Invariant Model with Graph Convolutional Network for Mammogram Classification [49.691629817104925]
  グラフ畳み込みネットワークを用いたドメイン不変モデル(DIM-GCN)を提案する。 まず,潜伏変数を病原性その他の疾患関連部位に明示的に分解するベイズネットワークを提案する。 マクロな特徴をよりよく捉えるために、我々は、GCN(Graph Convolutional Network)を介して、観察された臨床特性を再構築の目的として活用する。
  論文  参考訳（メタデータ） (2022-04-21T08:23:44Z)
• Deep Learning-Based Sparse Whole-Slide Image Analysis for the Diagnosis of Gastric Intestinal Metaplasia [5.64692772904991]
  本稿では,WSIレベル分類のための高出力ROIの迅速同定のためのスパースWSI解析手法を提案する。 本手法は胃粘膜異形成(GIM)をヘマトキシリンおよびエオシンスライド上で診断し,病理組織学的に有用であるが時間を要する課題について検討した。 提案手法は, 受信機動作特性曲線(AUC)が0.98, 平均精度(AP)が0.95のWSIレベルの分類領域を持つ全正のWSIにおいて, GIMの検出に成功している。
  論文  参考訳（メタデータ） (2022-01-05T04:43:46Z)
• Unsupervised Domain Adaptation for Dysarthric Speech Detection via Domain Adversarial Training and Mutual Information Minimization [52.82138296332476]
  本稿では,非教師付き領域適応問題として,クロスドメイン・ディザスリック音声検出(DSD)を定式化するための最初の試みを行う。 DPC, DAT, 相互情報最小化(MIM)を含むマルチタスク学習戦略を提案する。 実験の結果, 発話レベルの重み付き平均リコールと話者レベルの精度では, それぞれ22.2%, 20.0%の絶対的な増加が得られた。
  論文  参考訳（メタデータ） (2021-06-18T13:34:36Z)
• A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease Progression with MEG Brain Networks [59.15734147867412]
  アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。 我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。 我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
  論文  参考訳（メタデータ） (2020-05-08T02:29:24Z)
• Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
  頭頸部腫瘍の早期発見は患者の生存に不可欠である。 ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-04-21T17:07:18Z)

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。