深層ニューラルネットワークと組織像を用いた膀胱癌の予後【JST・京大機械翻訳】

Barrios, W.; Abdollahi, B.; Goyal, M.; Song, Q.; Suriawinata, M.; Richards, R.; Ren, B.; Schned, A.; Seigne, J.; Karagas, M.; Hassanpour, S.

プレプリント

J-GLOBAL ID：202202212897891761 整理番号：22P0321247

深層ニューラルネットワークと組織像を用いた膀胱癌の予後【JST・京大機械翻訳】

Bladder Cancer Prognosis Using Deep Neural Networks and Histopathology 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 (11件)： , , , , , , , , , ,
資料名：
発行年： 2022年03月07日プレプリントサーバーでの情報更新日： 2022年03月07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)

最近の研究では,膀胱癌が世界で10の最も一般的な癌である。膀胱癌はしばしば再発し,予後判断は臨床医の間で異なる可能性がある。病理組織スライドの分類は膀胱癌患者の正確な予後と効果的な治療に必須であり,良好な予後は,より積極的な治療計画を知らせるのを助ける可能性がある。自動化および正確な組織病理学画像分析法の開発は,膀胱癌の予後を決定する際に病理学者を助けることができる。本研究では,膀胱癌の全スライド病理組織像を2つのクラス,すなわち低リスク(PUNLMPと低グレード腫瘍の組み合わせ)と高リスク(高悪性度と浸潤性腫瘍の組み合わせ)に分類するための深い学習パイプラインであるBlad4Netを導入した。このパイプラインは4つの畳込みニューラルネットワーク(CNN)ベースの分類器から成り,PUNLMPと侵入クラスの同定の困難さに対処した。1994年~2004年に採取したNew Hampshire Blad Cancer Study(NHBCS)[22][23][24]から182の独立した全スライド画像,および癌ゲノムアトラス(TCGA)データベース[26]から378の外部デジタル化スライドから,著者らのパイプラインを評価した。本アプローチの加重平均F1スコアは,NHBCSデータセットで0.91(95%信頼区間(CI):0.86~0.94),TCGAデータセットで0.99(95%CI:0.97~1.00)であった。さらに,高リスクと予測される患者に対するKaplan-Meier生存曲線を低リスクとして予測した患者に対して計算した。NHBCS試験セットに対して,高リスクとして予測された患者は,0.004のログランクP値を伴って,低リスクとして予測された患者よりも,より悪い全生存率を有した。前向き試験を通して検証すれば,著者らのモデルは患者治療を改善するために臨床設定で使用できる。【JST・京大機械翻訳】

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

腫ようの診断 , 医用画像処理

, , ,

前のページに戻る