文献

J-GLOBAL ID：202202275758843594   整理番号：22A0736137

デジタル乳癌免疫組織化学画像の正確な自動定量化のための深層学習ベースインスタンスセグメンテーション【JST・京大機械翻訳】

Deep learning-based instance segmentation for the precise automated quantification of digital breast cancer immunohistochemistry images

著者 (7件)： Priego-Torres Blanca Maria (Biomedical Engineering and Telemedicine Research Group, Department of Automation Engineering, Electronics and Computer Architecture and Networks, School of Engineering, University of Cadiz, Avda. Universidad de Cadiz 10, Puerto Real, Cadiz, 11510, Spain) ,  Priego-Torres Blanca Maria (Biomedical Research and Innovation Institute of Cadiz (INiBICA), Hospital Universitario Puerta del Mar, Avda Ana de Viya 21, Cadiz, 11009, Spain) ,  Lobato-Delgado Barbara (Biomedical Research and Innovation Institute of Cadiz (INiBICA), Hospital Universitario Puerta del Mar, Avda Ana de Viya 21, Cadiz, 11009, Spain) ,  Atienza-Cuevas Lidia (Biomedical Research and Innovation Institute of Cadiz (INiBICA), Hospital Universitario Puerta del Mar, Avda Ana de Viya 21, Cadiz, 11009, Spain) ,  Atienza-Cuevas Lidia (Department of Pathology, Hospital Universitario Puerta del Mar, Avda. Ana de Viya 21, Cadiz, 11009, Spain) ,  Sanchez-Morillo Daniel (Biomedical Engineering and Telemedicine Research Group, Department of Automation Engineering, Electronics and Computer Architecture and Networks, School of Engineering, University of Cadiz, Avda. Universidad de Cadiz 10, Puerto Real, Cadiz, 11510, Spain) ,  Sanchez-Morillo Daniel (Biomedical Research and Innovation Institute of Cadiz (INiBICA), Hospital Universitario Puerta del Mar, Avda Ana de Viya 21, Cadiz, 11009, Spain)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 193  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 免疫組織化学乳癌画像に関するバイオマーカーの定量化は,乳癌患者の適切な治療,ならびに疾患予後に関する関連情報の抽出に必須である。これは,自動定量ツールの利用により軽減できる,観察者内および観察者間の変動性により,結果にバイアスを導入する,困難な時間を要するタスクである。しかしながら,これは,核,細胞質および膜の異なる染色色および強度,サイズ,形状および組織を示す,不均一な分布した腫瘍細胞を生じる,乳房腫瘍の不均一性を与える単純な処理課題ではない。本研究では,IHC染色スライドに適用した核および膜バイオマーカーの両方の自動定量化のための深層学習ベースインスタンスセグメンテーションアーキテクチャの使用の実現可能性を示した。自動画像処理モデルの検証のためのシステムと同様に,研究者と病理学者の間の通信とフィードバックのためのハブとして役立った,Webプラットフォームの設計と実装による訓練セット生成の厄介なタスクを解決した。このツールを通して,HE,ERおよびKi-67(核バイオマーカー)およびHER2(膜バイオマーカー)IHC染色画像サンプルについて注釈を集めた。同じ深層学習ネットワークアーキテクチャを用いて,2つのモデル,いわゆる核および膜意識セグメンテーションモデルを訓練し,それは,一度うまく検証して,IHC染色画像における核インスタンスを分割する有望な方法であることを明らかにした。本研究で提案した定量化法は,開発したウェブプラットフォームに統合され,現在,病理学者による意思決定支援ツールとして使用されている。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *セグメンテーション ,  細胞質 ,  腫瘍細胞 ,  スライド ,  染色 ,  形態 ,  ディジタル方式 ,  予後 ,  意思決定支援システム ,  *乳房腫瘍 ,  バイオマーカー ,  Web【情報システム】 ,  *機械学習 ,  *免疫組織化学 ,  ネットワークアーキテクチャ
準シソーラス用語： *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 乳癌 ,  IHC定量化 ,  インスタンスセグメンテーション ,  深層学習 ,  バイオマーカー

分類 (1件)： 腫ようの診断  (GE03020J)

タイトルに関連する用語 (5件)： デジタル ,  乳癌 ,  免疫組織化学 ,  自動定量 ,  深層学習