文献

J-GLOBAL ID：201702260989315878   整理番号：17A1176591

マシンビジョンは組織学に出会うとき:組織学積の分類のためのモデル構造の比較評価【Powered by NICT】

When machine vision meets histology: A comparative evaluation of model architecture for classification of histology sections

著者 (7件)： Zhong Cheng (Lawrence Berkeley National Laboratory, Berkeley CA USA) ,  Han Ju (Lawrence Berkeley National Laboratory, Berkeley CA USA) ,  Borowsky Alexander (Center for Comparative Medicine, University of California, Davis,CA, USA) ,  Parvin Bahram (Department of Electrical and Biomedical Engineering, University of Nevada, Reno, NV USA) ,  Wang Yunfu (Lawrence Berkeley National Laboratory, Berkeley CA USA) ,  Wang Yunfu (Department of Neurology, Taihe Hospital, Hubei University of Medicine, Shiyan, Hubei, China) ,  Chang Hang (Lawrence Berkeley National Laboratory, Berkeley CA USA)
資料名： Medical Image Analysis  (Medical Image Analysis)
巻： 35  ページ： 530-543  発行年： 2017年 
JST資料番号： W3156A  ISSN： 1361-8415  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 大規模コホートにおける組織学断面の分類,微細構造(例えば,間質)と組織病理学(例えば,腫瘍,壊死)の異なる領域の観点から,腫瘍組成の定量化,とゲノミクスと臨床転帰の予測モデルの構築を可能にした。大きな技術的変化と生物学的不均一性,大規模コホートにおける固有を解決するために,新しいシステムはデータの基礎となる特性の不変表現のための病理学者または教師なし特徴学習からの事前知識を利用した。しかし,大きな程度に,組織の組織学分類のためのアーキテクチャは調べられていないままであると緊急系統的研究が必要である。本論文では,組織の組織学分類における三つの基本的な疑問への洞察を提供する最初の試みである。ヒト人工特徴に適した教師なし特徴学習であるII。細胞顕著性IIIを助ける。スパース特徴エンコーダは認識に寄与する著者らは,SIFTと[色,テクスチャ];と比較した場合,(a)Iにおける,教師なし特徴学習からの細胞形態学的特徴と特徴の両方が優れた性能をもたらすことを示した。(b)IIにおける,細胞顕著性取込は,ピクセル-/パッチレベル特徴上に構築されたシステムの性能を損なう;および(c)III,スパース特徴エンコーダの効果は,特徴のロバスト性と相関していると,その性能は教師なし特徴学習から細胞Morphmetric特徴と特徴の両方に基づいて構築されたシステムの多段階拡張により改善できることもわかった。これらの洞察は,多形性膠芽腫(GBM)と腎明細胞癌(KIRC)の二コホートで検証した。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： ヒト ,  予測モデル ,  微細構造 ,  *学習 ,  透視図法 ,  不均一性 ,  画素 ,  符号器 ,  ロバスト性 ,  母集団 ,  病理学
準シソーラス用語： テクスチャ ,  転帰 ,  ゲノミクス ,  病理組織学 , 【Automatic Indexing@JST】

著者キーワード (4件)： 計算組織病理学 ,  分類 ,  教師なし特徴学習 ,  スパース特徴符号器

分類 (2件)： 腫ようの診断  (GE03020J) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： マシンビジョン ,  組織学 ,  積 ,  分類 ,  モデル ,  比較評価