文献

J-GLOBAL ID：201702215214267695   整理番号：17A1773583

WSISA:全スライド病理組織学的画像からの生存予測【Powered by NICT】

WSISA: Making Survival Prediction from Whole Slide Histopathological Images

著者 (4件)： Zhu Xinliang ,  Yao Jiawen ,  Zhu Feiyun ,  Huang Junzhou
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 6855-6863  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 画像ベース精密医療技術は,癌患者の治療に用いることができる。しかし,全スライド病理組織学的画像(WSI)のギガピクセル分解能は伝統的な生存モデルは計算的に不可能にしている。これらのモデルは,通常,興味の領域(ROI)から手動ラベル識別パッチを採用し,WSIから識別パッチを直接学習することができない。小集合パッチののみが腫瘍の不均一性に起因する患者生存状態を完全に表わすことができないことを論じた。もう一つの課題は,生存予測は,不十分な訓練患者試料であることである。本論文では,上記課題を克服するための有効な全スライド病理組織学的画像生存分析フレームワーク(WSISA)を提案した。WSIから生存識別パターンを利用するために,筆者らは最初に適応サンプリングによる各WSIから百個のパッチを抽出し,次に,これらの画像を異なるクラスタに分類。クラスタレベル深層畳込み生存(DeepConvSurv)予測結果に基づいて患者レベル予測を行うための凝集モデルを訓練するために提案した。WSIの小領域からのいくつかのパッチを用いて特徴を抽出する既存の最先端画像に基づく生存モデルとは異なり,提案したフレームワークは,効率的にWSIの全ての特徴的なパターンを利用し,利用生存状態患者を予測することができる。著者らの知る限り,これは以前に示されていない。三データセットを用いて神経膠腫および非小細胞肺癌の生存予測にこの方法を適用した。結果は,提案したフレームワークは,既存の最先端生存法と比較して予測性能を大幅に改善できることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 分解能 ,  神経膠腫 ,  *画像 ,  畳込み ,  患者 ,  非小細胞肺癌 ,  学習 ,  *予測 ,  凝集 ,  モデル ,  クラスタ ,  *スライド ,  不均一性
準シソーラス用語： 生存率分析 ,  *病理組織学 , 【Automatic Indexing@JST】

分類 (5件)： 生体計測  (EL03020C) ,  森林経営・経理  (FF01030I) ,  水利用,その他  (RC11030Q) ,  基礎腫よう学一般  (GE02010R) ,  腫ようの化学・生化学・病理学  (GE02030N)

タイトルに関連する用語 (4件)： スライド ,  病理組織学 ,  生存 ,  予測