癌病理学における深層学習ベース画像解析とゲノムデータの統合:系統的レビュー【JST・京大機械翻訳】

Schneider Lucas; Laiouar-Pedari Sara; Kuntz Sara; Krieghoff-Henning Eva; Hekler Achim; Kather Jakob N.; Kather Jakob N.; Gaiser Timo; Frohling Stefan; Brinker Titus J.

文献

J-GLOBAL ID：202202231411713631 整理番号：22A0232487

癌病理学における深層学習ベース画像解析とゲノムデータの統合:系統的レビュー【JST・京大機械翻訳】

Integration of deep learning-based image analysis and genomic data in cancer pathology: A systematic review

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0232487&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0232487&from=J-GLOBAL&jstjournalNo=A0802C") }}

著者 (10件)： , , , , , , , , ,
資料名：
巻： 160 ページ： 80-91 発行年： 2022年
JST資料番号： A0802C ISSN： 0959-8049 資料種別：逐次刊行物 (A)
記事区分：文献レビュー発行国：オランダ (NLD) 言語：英語 (EN)

過去10年間,分子ハイスループット法(オミクス)の開発は急速に増加し,癌研究に対する新たな洞察を与えた。平行して,深い学習アプローチは,特にディジタル病理学において,医用画像分析の巨大な可能性を明らかにした。深層学習ツールによる画像とオミクスデータの組み合わせは,新しい癌バイオマーカーの発見と患者予後のより正確な予測を可能にする。この系統的レビューは,オミクスデータによる畳み込みニューラルネットワークベース画像分析の異なるマルチモーダル融合法を取り上げ,分類性能に対するデータ組合せの影響に焦点を当てた。PubMedを,2015年1月~2021年6月に英語で発表されたピアレビュー論文について,2人の独立した研究者によってスクリーニングした。深層学習,デジタル病理学,オミクス,およびマルチモーダル融合に関連した検索用語を組み合わせた。包含基準を満たす合計11の研究,すなわち,統合オミクスデータと組み合わせた癌患者のヘマトキシリンとエオシン画像解析のための畳み込みニューラルネットワークを用いた研究を同定した。公開は,それらのエンドポイントに従って分類された:7つの研究は,生存解析と癌サブタイプの予測に関する4つの研究,空間分析による悪性またはマイクロサテライト不安定性に関する4つの研究であった。画像ベースの分類器は,すでに予後および予測癌診断において高性能を示す。オミクスデータの統合は,ここで記述したすべての研究において改善された性能をもたらした。しかし,これらは,それらの普遍性とロバスト性を示すために外部検証を必要とする非常に初期の研究である。性能を評価し,臨床上の利点を決定するためには,より大きな試料サイズを有するさらに包括的な研究が必要である。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

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

著者キーワード (5件)： , , , ,

医用画像処理 , 人工知能

, , , , , ,

前のページに戻る