抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】