文献

J-GLOBAL ID：201702238614555039   整理番号：17A1093466

前立腺癌のマルチビューブースティングデジタル病理学解析【Powered by NICT】

Multiview boosting digital pathology analysis of prostate cancer

著者 (2件)： Kwak Jin Tae (Department of Computer Science and Engineering, Sejong University, Seoul 05006, Korea) ,  Hewitt Stephen M. (Tissue Array Research Program, Laboratory of Pathology, Center for Cancer Research, National Cancer Institute, National Institutes of Health, MD 20852, USA)
資料名： Computer Methods and Programs in Biomedicine  (Computer Methods and Programs in Biomedicine)
巻： 142  ページ： 91-99  発行年： 2017年 
JST資料番号： D0213C  ISSN： 0169-2607  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： 種々のデジタル病理学ツールは組織を解析し,癌病理学を改善するために開発されている。が,癌病理学の多重解像度特性を完全に解析に利用されていない。ここでは,前立腺癌の診断を改善するための自動化された協調,と多重解像度法を開発した。デジタル化された組織標本画像は5組織マイクロアレイ(TMA)から得た。TMAsを,70例の良性および135癌試料(TMA1),良性74及び89癌試料(TMA2),70良性および115癌試料(TMA3),79良性および82癌試料(TMA4),と72良性および86癌試料(TMA5)を含んでいる。組織標本画像は強度とテクスチャに基づく特徴を用いて分割した。セグメンテーション結果を用いて,内腔と上皮核からの形態学的特徴の数は異なる分解能で組織を特性化するために計算した。多視点ブースティングアルゴリズムを適用して,異なる分解能から得られた組織特性を協調的に正確な癌検出を達成するために結合した。分割前立腺組織では,多視点ブースティング法はTMA1を用いた≧0.97AUCを達成した。癌を検出するために,多視点ブースティング法はTMA2上で訓練されたおよびTMA3,TMA4,TMA5で試験としての0.98(95% CI: 0.97 0.99)のAUCを達成した。提案した方法は,単一視点アプローチより優れており,単一分解能からの特徴とそれを利用あるいはすべての分解能から併合特徴であった。さらに,提案した方法の性能は,訓練データセットの選択に鈍感であった。TMA3,TMA4,TMA5に訓練,提案した方法は0.97(95% CI: 0.96 0.98),0.98(95% CI: 0.96 0.99)及び0.97(95% CI: 0.96 0.98)のAUCを得た。多視点ブースティング法である効果的で効率的な様式で多重解像度からの情報を統合し,高精度で癌を同定することができた。多視点ブースティング法はデジタル病理学ツールと研究を改善するための大きな可能性を持つ。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 分解能 ,  画像 ,  セグメンテーション ,  キャラクタリゼーション ,  *前立腺腫瘍 ,  *前立腺 ,  自動化 ,  機械学習 ,  *病理学 ,  *ディジタル方式 ,  高精度 ,  組織標本 ,  多重解像度 ,  改変
準シソーラス用語： *ブースティング ,  テクスチャ , 【Automatic Indexing@JST】

著者キーワード (5件)： 前立腺癌 ,  ディジタル病理学 ,  多視点ブースティング ,  多重解像度 ,  機械学習

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (3件)： 前立腺癌 ,  病理学 ,  解析