Fugu-MT 論文翻訳(概要): Attention-guided classification and tumor localization of combined hepatocellular-cholangiocarcinoma

論文の概要: Attention-guided classification and tumor localization of combined hepatocellular-cholangiocarcinoma

arxiv url: http://arxiv.org/abs/2610.30944v1
Date: Thu, 22 Oct 2026 08:59:02 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-24 02:08:44.292232
Title: Attention-guided classification and tumor localization of combined hepatocellular-cholangiocarcinoma
Title（参考訳）: 肝細胞-胆管癌合併癌の注意誘導分類と腫瘍局在
Abstract要約: CHCC-CCA(Combined-cholangiocarcinomas)は、他の2つの原発性肝癌(HCC)と胆管癌(CCA)の成分を有するがんの一種である。
参考スコア（独自算出の注目度）: 1.293050392312921
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Combined hepatocellular-cholangiocarcinomas (cHCC-CCA) are a type of cancer that share components of two other primary liver cancers: hepatocellular carcinoma (HCC) and cholangiocarcinoma (CCA). Accurate diagnosis of cHCC-CCA, of which the behavior may resemble that of either HCC or CCA, remains a challenge due to strong intratumoral heterogeneity. Since the prognoses differ between liver cancer types, it is necessary to improve their morphological characterization and recognition in order to accurately identify cHCC-CCA. In this work, we use whole slide images (WSIs) of the two main types of liver cancer (HCC and CCA) and cHCC-CCA, stained with Hematoxylin-Eosin-Safran (HES), to train a classification model that can distinguish between these subtypes and provides a potential solution for localizing different types of tumors in the combined liver cancer images.
Abstract（参考訳）: 肝細胞癌 (hepatocellular-cholangiocarcinomas, CHCC-CCA) は、肝細胞癌 (HCC) と胆管癌 (CCA) の2つの原発性肝癌の構成成分である。 CHCC-CCAの正確な診断は、HCCまたはCCAに類似している可能性があるが、強い腫瘍内不均一性のため、依然として困難である。予後は肝癌の種類によって異なるため,cHCC-CCAを正確に同定するためには,その形態的特徴と認識を改善する必要がある。本研究では,Hematoxylin-Eosin-Safran (HES) で染色した2種類の肝癌 (HCC, CCA) とcHCC-CCAのスライド画像全体を用いて,これらのサブタイプを区別できる分類モデルを訓練し,肝癌画像に異なるタイプの腫瘍を局在させる潜在的解決策を提供する。

関連論文リスト

Towards Precision Therapy in Hepatocellular Carcinoma: A Clinical-Reasoning LLM for Risk Stratification and Treatment Guidance [69.07885031885303]
HCC-STAR (肝細胞癌ステージング, 治療, pRognosis) は, 臨床的に一致した大言語モデルである。リスクスコアベースのステージングを出力し、エビデンスベースの理論的根拠によるガイドライン一貫性のある治療と、個別化された生存推定を出力する。中国12病院の6,668人の多施設のコホートにおいて、HCC-STARは治療勧告とリスク階層化において最先端のパフォーマンスを達成した。
論文参考訳（メタデータ） (2026-07-09T15:33:08Z)
LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
論文参考訳（メタデータ） (2025-08-23T07:21:23Z)
Primary liver cancer classification from routine tumour biopsy using weakly supervised deep learning [10.50491279664907]
原発性肝癌(PLCs)の診断は、特に生検および併用胆管癌(cHCC-CCA)において困難である。弱教師付き学習法を用いて, 常駐型生検で自動的にPLCを分類した。弱腫瘍/非腫瘍アノテーションは、Resnet18ニューラルネットワークをトレーニングするためのラベルとして機能し、ネットワークの最後の畳み込み層は、新しい腫瘍タイルの特徴を抽出するために使用された。
論文参考訳（メタデータ） (2024-04-07T15:03:46Z)
RACR-MIL: Rank-aware contextual reasoning for weakly supervised grading of squamous cell carcinoma using whole slide images [0.5190659258584331]
扁平上皮癌は最も一般的な癌亜型であり、発生頻度が増加し、がん関連死亡率に大きな影響を及ぼす。複数の解剖学にまたがる堅牢な一般化を実現するために, RACR-MILを提案する。本モデルでは,複数のSCCデータセットにまたがる最先端性能を達成し,3～9%のグレーディング精度,クラス不均衡に対するレジリエンス,最大16%の腫瘍局所化を実現した。
論文参考訳（メタデータ） (2023-08-29T20:25:49Z)
A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。 Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
論文参考訳（メタデータ） (2023-04-12T05:41:44Z)
Correlated Feature Aggregation by Region Helps Distinguish Aggressive from Indolent Clear Cell Renal Cell Carcinoma Subtypes on CT [1.455251203143627]
腎細胞癌(英: Renal cell carcinoma, RCC)は、臨床行動が異なるがんである。 CT画像に対する攻撃性の決定は、リスク階層化と治療計画を容易にするために臨床的に重要である。本研究の目的は, 病理像の特徴と相関する放射線学的特徴を機械学習で同定し, 病理像ではなくCT画像上でのがん攻撃性の評価を容易にすることである。
論文参考訳（メタデータ） (2022-09-29T09:39:31Z)
Mutual Information Assisted Ensemble Recommender System for Identifying Critical Risk Factors in Healthcare Prognosis [0.10262304700896199]
本研究は, 疾患管理システムの一部として, 疾患の最も重要な危険因子を特定し, 推奨する特徴推薦器を提案する。多様な疾患の4つのベンチマークデータセットで実験が行われた。提案するリコメンデーターは、疾患を最も識別する能力を有する危険因子を同定し、推薦することができる。
論文参考訳（メタデータ） (2022-09-28T04:54:37Z)
A Pathologist-Informed Workflow for Classification of Prostate Glands in Histopathology [62.997667081978825]
病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
論文参考訳（メタデータ） (2022-09-27T14:08:19Z)
Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文参考訳（メタデータ） (2022-02-17T08:33:52Z)
Sequential Learning on Liver Tumor Boundary Semantics and Prognostic Biomarker Mining [73.23533486979166]
腫瘍境界に対する毛細血管浸潤は予後指標であるmicrovascular invasion (mvi) と臨床的に相関することが証明されている。本論文では,タスクを2つのコンポーネントに分離する,第1および新規な計算フレームワークを提案する。
論文参考訳（メタデータ） (2021-03-09T01:43:05Z)
Multi-Phase Cross-modal Learning for Noninvasive Gene Mutation Prediction in Hepatocellular Carcinoma [7.621860963237023]
多相CTスキャンを用いたAPOB, COL11A1, ATRX遺伝子の突然変異予測のためのエンドツーエンドディープラーニングフレームワークを提案する。
論文参考訳（メタデータ） (2020-05-08T14:36:59Z)

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。