論文の概要: Breast Cancer Classification in Deep Ultraviolet Fluorescence Images Using a Patch-Level Vision Transformer Framework

• arxiv url: http://arxiv.org/abs/2505.07654v1
• Date: Mon, 12 May 2025 15:22:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:49.452257
• Title: Breast Cancer Classification in Deep Ultraviolet Fluorescence Images Using a Patch-Level Vision Transformer Framework
• Title（参考訳）: Patch-Level Vision Transformer Frameworkを用いた深紫外蛍光画像の乳癌分類
• Authors: Pouya Afshin, David Helminiak, Tongtong Lu, Tina Yen, Julie M. Jorns, Mollie Patton, Bing Yu, Dong Hye Ye,
• Abstract要約: 深紫外蛍光顕微鏡(DUV-FSM)は、摘出組織に対する全表面画像(WSI)の迅速取得を可能にする。 本研究では,パッチレベル・ビジョン・トランスフォーマー(ViT)モデルを用いたDUV WSI分類フレームワークを提案する。 総合的な5倍のクロスバリデーションは、提案手法が従来のディープラーニング手法を著しく上回り、98.33%の分類精度を達成していることを示す。
• 参考スコア（独自算出の注目度）: 6.0791593833288085
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Breast-conserving surgery (BCS) aims to completely remove malignant lesions while maximizing healthy tissue preservation. Intraoperative margin assessment is essential to achieve a balance between thorough cancer resection and tissue conservation. A deep ultraviolet fluorescence scanning microscope (DUV-FSM) enables rapid acquisition of whole surface images (WSIs) for excised tissue, providing contrast between malignant and normal tissues. However, breast cancer classification with DUV WSIs is challenged by high resolutions and complex histopathological features. This study introduces a DUV WSI classification framework using a patch-level vision transformer (ViT) model, capturing local and global features. Grad-CAM++ saliency weighting highlights relevant spatial regions, enhances result interpretability, and improves diagnostic accuracy for benign and malignant tissue classification. A comprehensive 5-fold cross-validation demonstrates the proposed approach significantly outperforms conventional deep learning methods, achieving a classification accuracy of 98.33%.
• Abstract（参考訳）: 乳房保存手術(BCS)は、悪性腫瘍を完全に除去し、健康な組織を最大化することを目的としている。 術中マージン評価は、癌の完全切除と組織保存のバランスをとるために不可欠である。 深紫外蛍光顕微鏡(DUV-FSM)は、摘出組織に対する全表面画像(WSI)の迅速取得を可能にし、悪性組織と正常組織との対比を提供する。 しかし, DUV WSIsによる乳癌の分類は高分解能と複雑な病理組織学的特徴により困難である。 本研究では,パッチレベル・ビジョン・トランスフォーマー(ViT)モデルを用いたDUV WSI分類フレームワークを提案する。 Grad-CAM++サリエンシ重み付けは、関連する空間領域を強調し、結果の解釈性を高め、良性および悪性組織分類の診断精度を向上させる。 総合的な5倍のクロスバリデーションは、提案手法が従来のディープラーニング手法を著しく上回り、98.33%の分類精度を達成していることを示す。

関連論文リスト

• Supervised Contrastive Vision Transformer for Breast Histopathological Image Classification [0.0]
  浸潤性乳管癌(Invasive ductal carcinoma,IDC)は乳癌の最も多い形態である。 In this present a novel approach, Supervised Contrastive Vision Transformer (SupCon-ViT) to improve the classification of IDC。
  論文  参考訳（メタデータ） (2024-04-17T03:51:55Z)
• Few Shot Learning for the Classification of Confocal Laser Endomicroscopy Images of Head and Neck Tumors [0.33384431000910975]
  CLE画像の解剖学的領域への一般化に向けた4つの一般的な数個のショット学習手法の評価を行った。 5例の鼻腔腫瘍 (SNT) 像と, 11例の声帯腫瘍 (VF) 像について, クロスバリデーション法を用いて検討した。
  論文  参考訳（メタデータ） (2023-11-13T10:17:00Z)
• Intra-operative Brain Tumor Detection with Deep Learning-Optimized Hyperspectral Imaging [37.21885467891782]
  グリオーマ(内因性脳腫瘍)の手術は、病変の浸潤性により困難である。 リアルタイム, 術中, ラベルフリー, 広視野の道具は使用できない。 術中指導の可能性を秘めた癌切除のための深層学習型診断ツールを構築した。
  論文  参考訳（メタデータ） (2023-02-06T15:52:03Z)
• Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer Tissue Biopsy Samples [94.37521840642141]
  生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。 これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
  論文  参考訳（メタデータ） (2022-03-23T00:58:27Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
  超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。 この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。 トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
  論文  参考訳（メタデータ） (2021-07-12T09:04:20Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)
• 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。