膵臓癌の組織学的分類のためのグラフ畳込みニューラルネットワーク【JST・京大機械翻訳】

Wu, W.; Liu, X.; Hamilton, R.; Suriawinata, A.; Hassanpour, S.

プレプリント

J-GLOBAL ID：202202212248315409 整理番号：22P0319903

膵臓癌の組織学的分類のためのグラフ畳込みニューラルネットワーク【JST・京大機械翻訳】

Graph Convolutional Neural Networks for Histological Classification of Pancreatic Cancer

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 (5件)： , , , ,
資料名：
発行年： 2022年01月28日プレプリントサーバーでの情報更新日： 2022年01月28日
JST資料番号： O7002B 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)

膵管腺癌は,様々な癌タイプの中で最悪の予後転帰の幾つかを有する。膵臓腫瘍の組織学的パターンの検出は予後を予測し,患者の治療を決定するのに不可欠である。この組織学的分類は,専門家の病理学者の間でさえ大きな変動性を有する。本研究は,良性症例から悪性腺癌およびより悪性の膵臓腫瘍を検出するグラフ畳込みネットワークベースの深層学習モデルを提案した。著者らのモデルは,全スライド画像におけるあらゆる小領域からの詳細な情報を抽出するために畳み込みニューラルネットワークを使用する。次に,グラフアーキテクチャを用いて,これらの領域から抽出特徴を集約し,その位置情報を用いて,全スライドレベル構造を捉え,最終予測を行った。独立した試験セットで著者らのモデルを評価し,腫瘍細胞と管腺癌を検出するために0.85のF1スコアを達成し,他のベースライン法を有意に凌駕した。前向き研究で検証すれば,このアプローチは,臨床設定における腺癌および他の型の膵臓腫瘍の同定において,病理学者を支援する大きな可能性を有する。【JST・京大機械翻訳】

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

医用画像処理 , 腫ようの診断 , 腫ようの化学・生化学・病理学 , 人工知能 , 臨床腫よう学一般

, , , ,

前のページに戻る