論文の概要: Automated HER2 scoring with uncertainty quantification using lensfree holography and deep learning

• arxiv url: http://arxiv.org/abs/2601.18219v1
• Date: Mon, 26 Jan 2026 07:09:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.715067
• Title: Automated HER2 scoring with uncertainty quantification using lensfree holography and deep learning
• Title（参考訳）: レンズレスホログラフィーとディープラーニングを用いた不確実性定量化によるHER2自動スコアリング
• Authors: Che-Yung Shen, Xilin Yang, Yuzhu Li, Leon Lenk, Aydogan Ozcan,
• Abstract要約: 本稿では,HER2自動スコアリングにディープラーニングを統合した,コンパクトで費用対効果の高いホログラフィプラットフォームを提案する。 このシステムは、RGBレーザー照射下で染色されたHER2組織の無レンズ回折パターンをキャプチャする。 サンプル面積1,250 mm2の複雑なフィールド情報を有効スループット84 mm2/分で取得する。
• 参考スコア（独自算出の注目度）: 0.815557531820863
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate assessment of human epidermal growth factor receptor 2 (HER2) expression is critical for breast cancer diagnosis, prognosis, and therapy selection; yet, most existing digital HER2 scoring methods rely on bulky and expensive optical systems. Here, we present a compact and cost-effective lensfree holography platform integrated with deep learning for automated HER2 scoring of immunohistochemically stained breast tissue sections. The system captures lensfree diffraction patterns of stained HER2 tissue sections under RGB laser illumination and acquires complex field information over a sample area of ~1,250 mm^2 at an effective throughput of ~84 mm^2 per minute. To enhance diagnostic reliability, we incorporated an uncertainty quantification strategy based on Bayesian Monte Carlo dropout, which provides autonomous uncertainty estimates for each prediction and supports reliable, robust HER2 scoring, with an overall correction rate of 30.4%. Using a blinded test set of 412 unique tissue samples, our approach achieved a testing accuracy of 84.9% for 4-class (0, 1+, 2+, 3+) HER2 classification and 94.8% for binary (0/1+ vs. 2+/3+) HER2 scoring with uncertainty quantification. Overall, this lensfree holography approach provides a practical pathway toward portable, high-throughput, and cost-effective HER2 scoring, particularly suited for resource-limited settings, where traditional digital pathology infrastructure is unavailable.
• Abstract（参考訳）: ヒト上皮成長因子受容体2(HER2)の発現の正確な評価は、乳癌の診断、予後、治療選択に重要である。 本稿では,免疫組織化学的に染色された乳房組織断面のHER2自動スコアリングに,ディープラーニングと統合されたコンパクトで費用対効果の高いレンズレスホログラフィープラットフォームを提案する。 このシステムは、RGBレーザー照射下での染色HER2組織断面の無レンズ回折パターンを捕捉し、有効スループットが約84mm^2の試料領域の複素場情報を取得する。 診断信頼性を高めるため,ベイジアンモンテカルロのドロップアウトに基づく不確実性定量化戦略を導入し,予測毎に自律的不確実性推定を行い,信頼性の高いHER2スコアをサポートし,全体の補正率は30.4%となった。 412種類の組織試料を盲検で測定した結果, 4-class (0, 1+, 2+, 3+) HER2 分類では84.9%, バイナリ (0/1+ vs. 2+/3+) HER2 評価では94.8%, 不確実性定量化では84.9%であった。 全体として、このレンズフリーホログラフィーアプローチは、ポータブルで高スループットで費用対効果の高いHER2スコアへの実践的な経路を提供する。

関連論文リスト

• DRBD-Mamba for Robust and Efficient Brain Tumor Segmentation with Analytical Insights [54.87947751720332]
  脳腫瘍の正確なセグメンテーションは、臨床診断と治療に重要である。 マンバを拠点とするState Space Modelsは、有望なパフォーマンスを示している。 本稿では,計算オーバーヘッドを最小限に抑えながら,マルチスケールの長距離依存関係をキャプチャするマルチ解像度双方向マンバを提案する。
  論文  参考訳（メタデータ） (2025-10-16T07:31:21Z)
• BlurryScope enables compact, cost-effective scanning microscopy for HER2 scoring using deep learning on blurry images [0.0]
  ブルリスコープ(BlurryScope)は、組織部位の自動検査・解析のための費用効率が高くコンパクトなソリューションである。 ヒト上皮成長因子受容体2(HER2)スコアの自動分類を行った。 4クラス (0, 1+, 2+, 3+) と2クラス (0/1+, 2+/3+) のHER2分類では, 79.3%, 89.7%の精度が得られた。
  論文  参考訳（メタデータ） (2024-10-23T04:46:36Z)
• Automated HER2 Scoring in Breast Cancer Images Using Deep Learning and Pyramid Sampling [3.711848341917877]
  IHC-stained BC 組織像のHER2状態の自動分類にピラミッドサンプリングを用いた深層学習に基づくアプローチを提案する。 本手法は, 様々な空間スケールで形態的特徴を分析し, 計算負荷を効率的に管理し, 細胞レベルでの組織レベルでの詳細な検討を容易にする。
  論文  参考訳（メタデータ） (2024-04-01T00:23:22Z)
• Interpretable HER2 scoring by evaluating clinical Guidelines through a weakly supervised, constrained Deep Learning Approach [0.0]
  本稿では病理学者によるHER2スコアの解釈可能性に焦点を当てる。 臨床HER2ガイドラインを直接評価する半自動2段階深層学習手法を提案する。 本研究は,F1スコアで0.78の成績を得られた。
  論文  参考訳（メタデータ） (2022-11-17T14:28:35Z)
• Moving from 2D to 3D: volumetric medical image classification for rectal cancer staging [62.346649719614]
  術前T2期とT3期を区別することは直腸癌治療における最も困難かつ臨床的に重要な課題である。 直腸MRIでT3期直腸癌からT2を正確に判別するための体積畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-13T07:10:14Z)
• 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)
• 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)
• Dual-Consistency Semi-Supervised Learning with Uncertainty Quantification for COVID-19 Lesion Segmentation from CT Images [49.1861463923357]
  CT画像を用いた半監視型COVID-19病変分割のための不確実性誘導型二重一貫性学習ネットワーク(UDC-Net)を提案する。 提案した UDC-Net は,Dice の完全教師方式を 6.3% 向上させ,他の競合的半監督方式を有意なマージンで上回っている。
  論文  参考訳（メタデータ） (2021-04-07T16:23:35Z)
• 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)

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。