메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
Sean A. Rasmussen (Queen Elizabeth II Health Sciences Centre and Dalhousie University) Thomas Arnason (Queen Elizabeth II Health Sciences Centre and Dalhousie University) Weei-Yuarn Huang (Sunnybrook Health Science Center University of Toronto)
저널정보
대한병리학회 Journal of Pathology and Translational Medicine Journal of Pathology and Translational Medicine 제55권 제2호
발행연도
2021.1
수록면
118 - 124 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Background: Patients with hereditary diffuse gastric cancer often undergo prophylactic gastrectomy to minimize cancer risk. Because intramucosal poorly cohesive carcinomas in this setting are typically not grossly visible, many pathologists assess the entire gastrectomy specimen microscopically. With 150 or more slides per case, this is a major time burden for pathologists. This study utilizes deep learning methods to analyze digitized slides and detect regions of carcinoma. Methods: Prophylactic gastrectomy specimens from seven patients with germline CDH1 mutations were analyzed (five for training/validation and two for testing, with a total of 133 tumor foci). All hematoxylin and eosin slides containing cancer foci were digitally scanned, and patches of size 256 × 256 pixels were randomly extracted from regions of cancer as well as from regions of normal background tissue, resulting in 15,851 images for training/validation and 970 images for testing. A model with DenseNet-169 architecture was trained for 150 epochs, then evaluated on images from the test set. External validation was conducted on 814 images scanned at an outside institution. Results: On individual patches, the trained model achieved a receiver operating characteristic (ROC) area under the curve (AUC) of 0.9986. This enabled it to maintain a sensitivity of 90% with a false-positive rate of less than 0.1%. On the external validation dataset, the model achieved a similar ROC AUC of 0.9984. On whole slide images, the network detected 100% of tumor foci and correctly eliminated an average of 99.9% of the non-cancer slide area from consideration. Conclusions: Overall, our model shows encouraging progress towards computer-assisted diagnosis of hereditary diffuse gastric cancer.
#Machine learning #Pathology #Computer-assisted diagnosis #Stomach neoplasms #Deep learning

목차

등록된 정보가 없습니다.

참고문헌 (13)

참고문헌 신청
van der Post RS / 2015 / Hereditary diffuse gastric cancer : updated clinical guidelines with an emphasis on germline CDH1 mutation carriers / J Med Genet 52:361~374 google schola Rajpurkar P / CheXnet: radiologist-level pneumonia detection on chest X-rays with deep learning google schola Gulshan V / 2016 / Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs / JAMA 316:2402~2410 google schola Campanella G / 2019 / Clinical-grade computational pathology using weakly supervised deep learning on whole slide images / Nat Med 25:1301~1309 google schola Liu Y / Detecting cancer metastases on gigapixel pathology images google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0