論文の概要: Decoding Future Risk: Deep Learning Analysis of Tubular Adenoma Whole-Slide Images

• arxiv url: http://arxiv.org/abs/2602.09155v1
• Date: Mon, 09 Feb 2026 20:00:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-11 20:17:43.226075
• Title: Decoding Future Risk: Deep Learning Analysis of Tubular Adenoma Whole-Slide Images
• Title（参考訳）: Decoding Future Risk: Deep Learning Analysis of Tubular adenoma Whole-Slide Images
• Authors: Ahmed Rahu, Brian Shula, Brandon Combs, Aqsa Sultana, Surendra P. Singh, Vijayan K. Asari, Derrick Forchetti,
• Abstract要約: 大腸癌(CRC)は、がん関連死亡の重大な原因である。 低悪性度ポリープと診断された患者の顕著な部分は、後年CRCを発症する。 本研究では、機械学習アルゴリズム、特に畳み込みニューラルネットワーク(CNN)が、全スライディング画像の微妙な組織学的特徴を検出できるかどうかを検討する。
• 参考スコア（独自算出の注目度）: 2.0049131811804144
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Colorectal cancer (CRC) remains a significant cause of cancer-related mortality, despite the widespread implementation of prophylactic initiatives aimed at detecting and removing precancerous polyps. Although screening effectively reduces incidence, a notable portion of patients initially diagnosed with low-grade adenomatous polyps will still develop CRC later in life, even without the presence of known high-risk syndromes. Identifying which low-risk patients are at higher risk of progression is a critical unmet need for tailored surveillance and preventative therapeutic strategies. Traditional histological assessment of adenomas, while fundamental, may not fully capture subtle architectural or cytological features indicative of malignant potential. Advancements in digital pathology and machine learning provide an opportunity to analyze whole-slide images (WSIs) comprehensively and objectively. This study investigates whether machine learning algorithms, specifically convolutional neural networks (CNNs), can detect subtle histological features in WSIs of low-grade tubular adenomas that are predictive of a patient's long-term risk of developing colorectal cancer.
• Abstract（参考訳）: 大腸癌(CRC)は、先天性ポリープの検出と除去を目的とした予防的イニシアチブが広く実施されているにもかかわらず、がん関連死亡の重大な原因である。 スクリーニングは発病率を効果的に低下させるが、当初低悪性度ポリープと診断された患者の顕著な部分は、既知の高リスク症候群を伴わずとも、人生の後半にCRCを発症する。 低リスク患者が進行のリスクが高いかを特定することは、適切な監視と予防的治療戦略のための重要なアンメットの必要性である。 従来の腺腫の組織学的評価は根本的ではあるが、悪性度を示す微妙な構造的特徴や細胞学的特徴を完全には捉えていない。 デジタル病理学と機械学習の進歩は、全体スライド画像(WSI)を包括的かつ客観的に分析する機会を提供する。 本研究では,患者が長期にわたって大腸癌を発症するリスクを予測できる低次管状腺腫のWSIにおいて,機械学習アルゴリズム,特に畳み込みニューラルネットワーク(CNN)が微妙な組織学的特徴を検出できるかどうかを検討する。

関連論文リスト

• Deciphering Cardiac Destiny: Unveiling Future Risks Through Cutting-Edge Machine Learning Approaches [0.0]
  本研究の目的は,心停止事故のタイムリー同定のための予測モデルの開発と評価である。 我々は、XGBoost、Gradient Boosting、Naive Bayesといった機械学習アルゴリズムと、リカレントニューラルネットワーク(RNN)によるディープラーニング(DL)アプローチを採用しています。 厳密な実験と検証により,RNNモデルの優れた性能が示された。
  論文  参考訳（メタデータ） (2024-09-03T19:18:16Z)
• Early Risk Assessment Model for ICA Timing Strategy in Unstable Angina Patients Using Multi-Modal Machine Learning [5.070772577047069]
  不安定狭心症(UA)を含む心血管疾患の診断のための金の基準として、浸潤性冠動脈造影(ICA)が認められている 心筋梗塞とは異なり、UAはST偏位や心筋酵素のような特定の指標を持っておらず、リスクアセスメントが複雑になる。 本研究の目的は,UA患者に対する早期リスクアセスメントを機械学習アルゴリズムを用いて向上することである。
  論文  参考訳（メタデータ） (2024-08-08T07:24:28Z)
• Improved Prognostic Prediction of Pancreatic Cancer Using Multi-Phase CT by Integrating Neural Distance and Texture-Aware Transformer [37.55853672333369]
  本稿では, 異なる患者のCT像における腫瘍と血管の正確な関係を記述した, 学習可能なニューラル距離を提案する。 発達したリスクマーカーは, 術前因子の生存率の予測因子として最強であった。
  論文  参考訳（メタデータ） (2023-08-01T12:46:02Z)
• Risk Assessment of Lymph Node Metastases in Endometrial Cancer Patients: A Causal Approach [1.8933952173153485]
  本稿では,ブートストラップ再サンプリングに基づく因果ベイズネットワークの因果探索アルゴリズムを提案する。 ランダムに欠落する可能性のある欠落データの存在を踏まえて,本研究の長所と短所について考察する。
  論文  参考訳（メタデータ） (2023-05-17T08:33:32Z)
• Penalized Deep Partially Linear Cox Models with Application to CT Scans of Lung Cancer Patients [42.09584755334577]
  肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。 NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。 本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T15:38:16Z)
• 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)
• Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
  深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。 我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。 提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-11-10T03:02:12Z)
• Automated Segmentation and Recurrence Risk Prediction of Surgically Resected Lung Tumors with Adaptive Convolutional Neural Networks [3.5413688566798096]
  肺がんは、がん関連死亡の重大な原因である。 本稿では,肺腫瘍のセグメンテーションと再発リスク予測における畳み込みニューラルネットワーク(CNN)の利用について検討する。 我々の知る限りでは、これは最初の完全自動化されたセグメンテーションと再発リスク予測システムである。
  論文  参考訳（メタデータ） (2022-09-17T23:06:22Z)
• 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。