病理スライド画像を用いた予後因子の探索
使用病理幻灯片图像搜索预后因素
基本信息
- 批准号:22KJ0908
- 负责人:
- 金额:$ 1.09万
- 依托单位:
- 依托单位国家:日本
- 项目类别:Grant-in-Aid for JSPS Fellows
- 财政年份:2023
- 资助国家:日本
- 起止时间:2023-03-08 至 2024-03-31
- 项目状态:已结题
- 来源:
- 关键词:
项目摘要
本研究は、組織検査で最も広く用いられるH&E(ヘマトキシリン&エオジン)染色という染色法によって得られた組織スライドイメージを主に用いて、予後因子に関わる組織の空間的な特徴を探索する研究である。本年度は、研究計画上のSTEP0(研究サーバーの組み立て)からSTEP3(予後因子の探索)までを実施し、予後因子探索のための初期パイプラインを構築した。具体的には、 TCGA(The Cancer Genome Atlas)の5つのコホートに対して、コホート別に予後予測モデルを最適化した。最適化されたモデルから、コホート別にスコア上位1%以内(高危険群)のタイルとスコア下位1%以内(低危険群)のタイルを抽出した後、細胞(核)の検出をPanNukeデータセットを学習したHover-Netを用いて行なった。その検出結果から、高危険群と低危険群の細胞の数を統計的に比較した。その結果、低危険群でがん細胞の細胞数が多い傾向と、肺がんコホートの低危険群で炎症細胞の細胞数が多い傾向を確認した。さらに、炎症細胞の細胞密度が局所的に高いことが低危険度を予測する予後因子である可能性を検証した。Whole slide imageから細胞核の局所的な密度を定義するために細胞核をポイント(点)としてボロノイ図を計算し、ボロノイ細胞の大きさの分布密度を確認した。その結果、高危険群でのボロノイ細胞の大きさの分布密度が他の群と異なることが確認された。この結果は、炎症細胞の局所的な密集が予後因子のひとつとしてみなせる可能性を示唆する。
This study は, organization 検 で most も hiroo く with い ら れ る H&E (ヘ マ ト キ シ リ ン & エ オ ジ ン) dyeing と い う staining に よ っ て must ら れ た organization ス ラ イ ド イ メ ー ジ を main に with い て, after to factor に masato わ る organization の space of な 徴 を explore す る research で あ る. は this year, the research projects on の STEP0 (サ ー バ ー の group み made て) か ら STEP3 factor の exploration after (to) ま で を し, be applied to the factor after exploring の た め の early パ イ プ ラ イ ン を build し た. Specific に は, TCGA (The Cancer Genome Atlas) の 5 つ の コ ホ ー ト に し seaborne て, コ ホ ー ト after don't に to be モ デ ル を optimization し た. Optimization さ れ た モ デ ル か ら, コ ホ ー ト don't に ス コ ア upper 1% (high risk) 険 group の タ イ ル と ス コ ア lower 1% (low latent 険 group) の タ イ ル を spare し た, cell (nuclear) after の 検 out を PanNuke デ ー タ セ ッ ト を learning し た Hover -.net を with い て line な っ た. そ の 検 results か ら, high-risk 険 group と low-risk 険 group of に の cell number の を statistical comparison し た. そ の results, low-risk group 険 で が の ん cells number が い tend と, lung が ん コ ホ ー ト の low-risk group 険 で number of inflammation cells の が い tend を confirm し た. さ ら に, inflammatory cells with high cell density が bureau に の い こ と が low-risk を 険 degrees to measure す る to factor after で あ る possibility を 検 card し た. Whole slide image か ら nucleus の bureau な density を define す る た め に nucleus を ポ イ ン ト (or points) と し て ボ ロ ノ イ 図 を し calculation, ボ ロ ノ イ cells の big き さ の distribution density を confirm し た. そ の results, high-risk group 険 で の ボ ロ ノ イ cells の big き さ の distribution density が he の group of と different な る こ と が confirm さ れ た. The な result of する, the な density of inflammatory cell <s:1> sites が, and the possibility of post-factor <s:1> ひと と てみなせる てみなせる を suggest する.
项目成果
期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
数据更新时间:{{ journalArticles.updateTime }}
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ patent.updateTime }}
PARK Jeonghyuk其他文献
PARK Jeonghyuk的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
相似海外基金
深層学習を用いたデジタル病理画像とラジオミクスでの非小細胞肺癌ALK予測モデル構築
利用深度学习的数字病理图像和放射组学构建非小细胞肺癌 ALK 预测模型
- 批准号:
23K05744 - 财政年份:2023
- 资助金额:
$ 1.09万 - 项目类别:
Grant-in-Aid for Scientific Research (C)
Deep Learning Image Analysis Algorithms to Improve Oral Cancer Risk Assessment for Oral Potentially Malignant Disorders
深度学习图像分析算法可改善口腔潜在恶性疾病的口腔癌风险评估
- 批准号:
10805177 - 财政年份:2023
- 资助金额:
$ 1.09万 - 项目类别:
Motion-Resistant Background Subtraction Angiography with Deep Learning: Real-Time, Edge Hardware Implementation and Product Development
具有深度学习的抗运动背景减影血管造影:实时、边缘硬件实施和产品开发
- 批准号:
10602275 - 财政年份:2023
- 资助金额:
$ 1.09万 - 项目类别:
Noninvasive prediction of skin precancer severity using in vivo cellular imaging and deep learning algorithms.
使用体内细胞成像和深度学习算法无创预测皮肤癌前病变的严重程度。
- 批准号:
10761578 - 财政年份:2023
- 资助金额:
$ 1.09万 - 项目类别:
Deep-learning Integration of Histopathology and Proteogenomics at a Pan-cancer Level - Resubmission
泛癌水平上组织病理学和蛋白质基因组学的深度学习整合 - 重新提交
- 批准号:
10606760 - 财政年份:2023
- 资助金额:
$ 1.09万 - 项目类别:
AIM-AI: an Actionable, Integrated and Multiscale genetic map of Alzheimer's disease via deep learning
AIM-AI:通过深度学习绘制阿尔茨海默病的可操作、集成和多尺度遗传图谱
- 批准号:
10668829 - 财政年份:2023
- 资助金额:
$ 1.09万 - 项目类别:
Deep-Learning-Augmented Quantitative Gradient Recalled Echo (DLA-qGRE) MRI for in vivo Clinical Evaluation of Brain Microstructural Neurodegeneration in Alzheimer Disease
深度学习增强定量梯度回忆回波 (DLA-qGRE) MRI 用于阿尔茨海默病脑微结构神经变性的体内临床评估
- 批准号:
10659833 - 财政年份:2023
- 资助金额:
$ 1.09万 - 项目类别:
Deep learning for prediction of Mild Cognitive Impairment and Dementia of the Alzheimer's type
深度学习预测轻度认知障碍和阿尔茨海默氏症型痴呆
- 批准号:
10662094 - 财政年份:2023
- 资助金额:
$ 1.09万 - 项目类别:
Advancing breast cancer risk prediction in national cohorts: the role of mammogram-based deep learning
推进国家队列中的乳腺癌风险预测:基于乳房 X 光检查的深度学习的作用
- 批准号:
10734544 - 财政年份:2023
- 资助金额:
$ 1.09万 - 项目类别: