論文の概要: Feature Learning with Multi-Stage Vision Transformers on Inter-Modality HER2 Status Scoring and Tumor Classification on Whole Slides

• arxiv url: http://arxiv.org/abs/2512.22335v1
• Date: Fri, 26 Dec 2025 17:45:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:30.003078
• Title: Feature Learning with Multi-Stage Vision Transformers on Inter-Modality HER2 Status Scoring and Tumor Classification on Whole Slides
• Title（参考訳）: モード間HER2における多段視覚変換器を用いた特徴学習と全スライド上の腫瘍分類
• Authors: Olaide N. Oyelade, Oliver Hoxey, Yulia Humrye,
• Abstract要約: スライド画像にHER2ステータスをスコア付けした視覚変換器システムを用いて,単一のエンドツーエンドパイプラインを提案する。 臨床的にインスピレーションを受けたHER2スコアリング機構がパイプラインに埋め込まれ、4方向のHER2スコアリングの画素レベルの自動アノテーションが可能である。 提案手法は,HER2陰性およびHER2陽性を正確に返却する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The popular use of histopathology images, such as hematoxylin and eosin (H&E), has proven to be useful in detecting tumors. However, moving such cancer cases forward for treatment requires accurate on the amount of the human epidermal growth factor receptor 2 (HER2) protein expression. Predicting both the lower and higher levels of HER2 can be challenging. Moreover, jointly analyzing H&E and immunohistochemistry (IHC) stained images for HER2 scoring is difficult. Although several deep learning methods have been investigated to address the challenge of HER2 scoring, they suffer from providing a pixel-level localization of HER2 status. In this study, we propose a single end-to-end pipeline using a system of vision transformers with HER2 status scoring on whole slide images of WSIs. The method includes patch-wise processing of H&E WSIs for tumor localization. A novel mapping function is proposed to correspondingly identify correlated IHC WSIs regions with malignant regions on H&E. A clinically inspired HER2 scoring mechanism is embedded in the pipeline and allows for automatic pixel-level annotation of 4-way HER2 scoring (0, 1+, 2+, and 3+). Also, the proposed method accurately returns HER2-negative and HER2-positive. Privately curated datasets were collaboratively extracted from 13 different cases of WSIs of H&E and IHC. A thorough experiment is conducted on the proposed method. Results obtained showed a good classification accuracy during tumor localization. Also, a classification accuracy of 0.94 and a specificity of 0.933 were returned for the prediction of HER2 status, scoring in the 4-way methods. The applicability of the proposed pipeline was investigated using WSIs patches as comparable to human pathologists. Findings from the study showed the usability of jointly evaluated H&E and IHC images on end-to-end ViTs-based models for HER2 scoring
• Abstract（参考訳）: ヘマトキシリンやエオシン(H&E)などの病理像の一般的な使用は腫瘍の検出に有用であることが証明されている。 しかし、そのようながん症例を治療のために前進させるには、ヒト上皮成長因子受容体2(HER2)タンパク質の発現量を正確にする必要がある。 低レベルのHER2と高レベルのHER2を予測することは困難である。 さらに,HER2スコアリングのためのH&Eと免疫組織化学(IHC)染色画像の同時解析も困難である。 HER2スコアリングの課題に対処するために、いくつかのディープラーニング手法が研究されているが、HER2ステータスのピクセルレベルのローカライズの提供に苦慮している。 本研究では,WSIのスライド画像全体に対してHER2状態の視覚変換器を用いた単一エンドツーエンドパイプラインを提案する。 本発明の方法は、腫瘍局在のためのH&E WSIのパッチワイド処理を含む。 H&E上の悪性領域と相関するIHC WSIs領域を同定するための新しいマッピング機能を提案する。 臨床的にインスピレーションを受けたHER2スコアリング機構がパイプラインに埋め込まれ、4ウェイHER2スコア(0, 1+, 2+, 3+)の自動ピクセルレベルのアノテーションが可能である。 また,提案手法はHER2陰性およびHER2陽性を正確に返却する。 プライベートキュレートされたデータセットは、H&EとIHCのWSIの13の異なるケースから共同で抽出された。 提案手法について詳細な実験を行った。 その結果,腫瘍局所化時の分類精度は良好であった。 また、HER2状態の予測には、0.94の分類精度と0.933の特異性が返され、4ウェイ法でスコアが得られた。 提案したパイプラインの適用性について,ヒト病理学者に匹敵するWSIsパッチを用いて検討した。 HER2スコアリングのためのエンド・ツー・エンドViTsモデルにおける共同評価H&EおよびIHC画像の有用性について検討した。

関連論文リスト

• Transforming H&E images into IHC: A Variance-Penalized GAN for Precision Oncology [1.0972875392165036]
  本研究では,H&E染色組織試料から高忠実度IHC画像を生成するための高度な深層学習に基づく画像翻訳フレームワークを提案する。 ピラミッドピクス2ピクセルの損失関数を修飾することにより、生成逆数ネットワーク(GAN)の基本的制限であるモード崩壊を緩和する。 特にHER2陽性 (IHC 3+) 画像の翻訳に優れており, 複雑な形態変化のため, 既存の手法では困難である。
  論文  参考訳（メタデータ） (2025-06-23T07:57:22Z)
• HER2 and FISH Status Prediction in Breast Biopsy H&E-Stained Images Using Deep Learning [3.1326332131745813]
  ヘマトキシリンとエオシン(H&E)の腫瘍染色はより広く利用可能である。 H&EによるHER2状態の正確な予測は、コスト削減と治療選択の迅速化を可能にする。 H&Eのためのディープラーニングアルゴリズムは、様々ながんの特徴と臨床結果を予測するのに有効である。
  論文  参考訳（メタデータ） (2024-08-25T12:22:50Z)
• CoRe: An Automated Pipeline for The Prediction of Liver Resection Complexity from Preoperative CT Scans [53.561797148529664]
  肝切除を複雑にするために重要な位置にある腫瘍が知られている。 CoReは、術後LRの複雑さを予測するための自動化された医療画像処理パイプラインである。
  論文  参考訳（メタデータ） (2022-10-15T15:29:24Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Automated Scoring System of HER2 in Pathological Images under the Microscope [3.689994643251581]
  本稿では,HER2スコアリングガイドラインに厳格に従うHER2自動スコアリングシステムを提案する。 提案システムは、当社のTorough Eyeプラットフォームに組み込み、病院に配備する。
  論文  参考訳（メタデータ） (2021-10-21T01:38:35Z)
• Microscope Based HER2 Scoring System [37.747953235497256]
  完全診断のためのHER2スコアリングガイドラインに従うリアルタイムHER2スコアリングシステムを提案する。 従来の全スライディング画像に基づくスコアリングシステムとは異なり、我々のHER2スコアリングシステムは拡張現実顕微鏡に統合されている。
  論文  参考訳（メタデータ） (2020-09-15T01:44:39Z)
• Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided Two-Path CNNs [49.32653090178743]
  畳み込みニューラルネットワーク(CNN)は2つの時点から病変活動のセグメンテーションについて研究されている。 CNNは、異なる方法で2つのポイントからの情報を組み合わせて設計され、評価される。 深層学習に基づく手法が古典的アプローチより優れていることが実証された。
  論文  参考訳（メタデータ） (2020-08-05T08:49:20Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement with Neural Searching [76.4844593082362]
  既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。 総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
  論文  参考訳（メタデータ） (2020-04-26T05:43:21Z)

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。