ギガピクセル病理学画像における癌転移の検出【JST・京大機械翻訳】

Liu Yun; Gadepalli Krishna; Norouzi Mohammad; Dahl George E.; Kohlberger Timo; Boyko Aleksey; Venugopalan Subhashini; Timofeev Aleksei; Nelson Philip Q.; Corrado Greg S.; Hipp Jason D.; Peng Lily; Stumpe Martin C.

プレプリント

J-GLOBAL ID：202202209360128327 整理番号：22P0040174

ギガピクセル病理学画像における癌転移の検出【JST・京大機械翻訳】

Detecting Cancer Metastases on Gigapixel Pathology Images

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 (13件)： , , , , , , , , , , , ,
資料名：
発行年： 2017年03月03日プレプリントサーバーでの情報更新日： 2017年03月07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)

毎年,癌が乳房から転移するかどうかに関して,U.S.ヒンジにおける23万人以上の乳癌患者に対する治療決定は,治療決定であった。転移検出は,現在,生物学的組織の大きな拡張を再検討する病理学者によって行われている。この工程は労働集約的で,誤りを起こしやすい。ギガピクセル顕微鏡画像サイズ100,000x100,000ピクセルで100x100画素の小さい腫瘍を自動検出し,局在するフレームワークを提示した。提案手法は畳み込みニューラルネットワーク(CNN)アーキテクチャを利用し,挑戦的な病変レベル腫瘍検出タスクにおけるCamelyon16データセットに関する最新の結果を得る。画像当たり8つの偽陽性において,著者らは,以前の最良の自動化アプローチによって82.7%と比較して,腫瘍の92.4%を検出した。比較のため,網羅的探索を試みているヒト病理学者は73.2%の感度を達成した。Camelyon16試験セットと110スライドの独立セットの両方で97%以上の画像レベルAUCスコアを達成した。さらに,Camelyon16訓練セットにおける2つのスライドは,誤ってラベル付けされた。本アプローチは,転移検出における偽陰性率をかなり減少させることができた。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

医用画像処理

, ,

前のページに戻る