識別パッチ選択とマルチインスタンス学習による病理学的画像に関する乳癌分子サブタイプ予測【JST・京大機械翻訳】

Liu Hong; Xu Wen-Dong; Shang Zi-Hao; Wang Xiang-Dong; Zhou Hai-Yan; Ma Ke-Wen; Zhou Huan; Qi Jia-Lin; Jiang Jia-Rui; Tan Li-Lan; Zeng Hui-Min; Cai Hui-Juan; Wang Kuan-Song; Qian Yue-Liang

プレプリント

J-GLOBAL ID：202202208957721847 整理番号：22P0304309

識別パッチ選択とマルチインスタンス学習による病理学的画像に関する乳癌分子サブタイプ予測【JST・京大機械翻訳】

Breast Cancer Molecular Subtypes Prediction on Pathological Images with Discriminative Patch Selecting and Multi-Instance Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (14件)： , , , , , , , , , , , , ,
資料名：
発行年： 2022年03月15日プレプリントサーバーでの情報更新日： 2022年03月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

乳癌の分子サブタイプは,個別化した臨床治療に対する重要な参照である。コストと労働節約のために,患者のパラフィンブロックの1つだけが,分子サブタイプを得るために,その後の免疫組織化学(IHC)のために選択される。不安定なサンプリング誤差は,腫瘍不均一性により危険であり,治療における遅延を生じる。AI法を用いた従来のH&E病理学的全スライド画像(WSI)からの分子サブタイプ予測は,IHCに対する病理学者前スクリーニングの適切なパラフィンブロックを助けるのに有用である。分子サブタイプのWSIレベルラベルのみがIHCから得ることができるので,それは挑戦的な仕事である。ギガピクセルWSIsは,深い学習のために計算可能な多数のパッチに分割される。粗いスライドレベルのラベルでは,パッチベースの方法は,折りたたみ,過剰染色領域,または非腫瘍組織のような豊富な雑音パッチに悩まされる可能性がある。H&E WSIsからの乳癌分子サブタイプ予測のために,識別パッチ選択とマルチインスタンス学習に基づく弱教師つき学習フレームワークを提案した。第1に,共教育戦略を採用して,分子サブタイプ表現を学習し,雑音パッチをフィルタリングした。次に,平衡サンプリング戦略を用いて,データセットにおけるサブタイプの不均衡を処理した。さらに,クラスタ中心に基づく局所異常値因子を用いた雑音パッチフィルタリングアルゴリズムを提案し,識別パッチをさらに選択した。最後に,スライド制約情報とパッチを統合する損失関数を用いて,得られた識別パッチ上でMILフレームワークを微調整し,さらに分子サブタイピングの性能を改善した。実験結果は,提案された方法の有効性を確認し,著者らのモデルは,臨床でIHCのためのパラフィンブロックをプレスクリーニングする病理学者を援助する可能性で,上級病理学者を凌駕した。【JST・京大機械翻訳】

, , , , , , , , , , , , , ,

腫ようの診断

, , , , , , ,

前のページに戻る