文献

J-GLOBAL ID：202002213181486365   整理番号：20A1114471

SDAE-GaN 政策勾配に基づくデータ増強法による肝臓癌生存予測における高次元病理画像の可能性【JST・京大機械翻訳】

SDAE-GAN: Enable high-dimensional pathological images in liver cancer survival prediction with a policy gradient based data augmentation method

著者 (6件)： Wu Hejun (Department of Computer Science, Sun Yat-sen University, Guangzhou, China) ,  Gao Rong (Department of Computer Science, Sun Yat-sen University, Guangzhou, China) ,  Sheng Yeong Poh (Singapore General Hospital, Singapore) ,  Chen Bo (School of Health Science, Western University, Canada) ,  Li Shuo (Department of Medical Imaging and Medical Biophysics, Western University, Canada) ,  Li Shuo (Digital Imaging Group of London, Canada)
資料名： Medical Image Analysis  (Medical Image Analysis)
巻： 62  ページ： Null  発行年： 2020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： 免疫組織化学(IHC)法により生産される高次元病理学的画像は,多くの病理学的指標から成り,癌治療計画において重要な役割を果たす。しかしながら,これらの指標は,患者の臨床病理学的特徴(例えば,年齢や腫瘍サイズ)との結合が,それらの高い次元とまばらな特徴のために困難であるため,現在,生存予測に利用できない。この問題を扱うために,IHC画像と臨床病理学的特徴を結合するために,ICSPMと名付けた新しい二段階生存予測モデルを提案した。最初の段階に対して,提案したSDAE-GANは,それらを圧縮し再構成することにより,高次元IHC画像を平坦でコンパクトで代表的な特徴ベクトルに圧縮する。最初に,SDAE-GANは,IHC画像におけるパターンを検出する能力を最大化するために,高密度ブロック,積層オートエンコーダおよびGANアーキテクチャを統合した。さらに,著者らは,それらの中でパターンを破壊することなく,IHC画像における多様性を含むために,新しい政策勾配ベースのデータ増強法を提案した。第二段階では,ICSPMは,DenseNetを採用して,特徴ベクトルと生存予測のための臨床病理学的特徴を結合した。実験結果は,ICSPMが5年生存に関して0.72の最先端の予測精度に達したことを実証した。ICSPMは,癌生存予測における高次元IHC画像を可能にする最初の研究である。高次元IHC画像と臨床病理学的特徴が生存予測における価値ある相補的情報を提供することを証明した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 画像処理 ,  再構成 ,  *窒化ガリウム ,  *高次元 ,  計算機アーキテクチャ ,  *肝臓腫瘍 ,  免疫組織化学 ,  予測モデル
準シソーラス用語： 特徴ベクトル ,  予測精度 ,  癌治療 ,  高密度 ,  *病理画像 ,  自己符号化器 , 【Automatic Indexing@JST】

著者キーワード (3件)： コンピュータ支援診断 ,  イメージングと非イメージングバイオマーカー統合 ,  癌生存予測

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

タイトルに関連する用語 (10件)： GaN ,  政策 ,  勾配 ,  データ増強 ,  肝臓癌 ,  生存 ,  予測 ,  高次元 ,  病理画像 ,  可能性