| アイテムタイプ |
Article |
| ID |
|
| プレビュー |
| 画像 |
|
| キャプション |
|
|
| 本文 |
KAKEN_21H02705seika.pdf
| Type |
:application/pdf |
Download
|
| Size |
:103.0 KB
|
| Last updated |
:Nov 19, 2025 |
| Downloads |
: 71 |
Total downloads since Nov 19, 2025 : 71
|
|
| 本文公開日 |
|
| タイトル |
| タイトル |
人工知能により病理画像と多層オミックスデータを統合した新しい病理診断の創出
|
| カナ |
ジンコウ チノウ ニ ヨリ ビョウリ ガゾウ ト タソウ オミックス データ オ トウゴウシタ アタラシイ ビョウリ シンダン ノ ソウシュツ
|
| ローマ字 |
Jinkō chinō ni yori byōri gazō to tasō omikkusu dēta o tōgōshita atarashii byōri shindan no sōshutsu
|
|
| 別タイトル |
| 名前 |
Pathological diagnosis based on integration of morphological images and multi-layer omics data by artificial intelligence
|
| カナ |
|
| ローマ字 |
|
|
| 著者 |
| 名前 |
金井, 弥栄
 |
| カナ |
カナイ, ヤエ
|
| ローマ字 |
Kanai, Yae
|
| 所属 |
慶應義塾大学・医学部 (信濃町) ・教授
|
| 所属(翻訳) |
|
| 役割 |
Research team head
|
| 外部リンク |
科研費研究者番号 : 00260315
|
| 名前 |
榊原, 康文
|
| カナ |
サカキバラ, ヤスブミ
|
| ローマ字 |
Sakakibara, Yasubumi
|
| 所属 |
慶應義塾大学・理工学部 (矢上) ・教授
|
| 所属(翻訳) |
|
| 役割 |
Research team member
|
| 外部リンク |
科研費研究者番号 : 10287427
|
| 名前 |
新井, 恵吏
|
| カナ |
アライ, エリ
|
| ローマ字 |
Arai, Eri
|
| 所属 |
慶應義塾大学・医学部 (信濃町) ・准教授
|
| 所属(翻訳) |
|
| 役割 |
Research team member
|
| 外部リンク |
科研費研究者番号 : 40446547
|
|
| 版 |
|
| 出版地 |
|
| 出版者 |
|
| 日付 |
| 出版年(from:yyyy) |
2024
|
| 出版年(to:yyyy) |
|
| 作成日(yyyy-mm-dd) |
|
| 更新日(yyyy-mm-dd) |
|
| 記録日(yyyy-mm-dd) |
|
|
| 形態 |
|
| 上位タイトル |
| 名前 |
科学研究費補助金研究成果報告書
|
| 翻訳 |
|
| 巻 |
|
| 号 |
|
| 年 |
2023
|
| 月 |
|
| 開始ページ |
|
| 終了ページ |
|
|
| ISSN |
|
| ISBN |
|
| DOI |
|
| URI |
|
| JaLCDOI |
|
| NII論文ID |
|
| 医中誌ID |
|
| その他ID |
|
| 博士論文情報 |
| 学位授与番号 |
|
| 学位授与年月日 |
|
| 学位名 |
|
| 学位授与機関 |
|
|
| 抄録 |
本研究は、人工知能 (AI)の支援を受け、病理形態像とオミックス情報を融合させ、がんの治療奏効性や予後を予測する深層学習モデルを構築することを目的とした。腎細胞がん手術検体の顕微鏡写真・バーチャルスライドデータを用い、予後不良なCpGアイランドメチル化形質 (CIMP) 陽性腎細胞がんの、畳み込みニューラールネットワークモデルを構築した。さらに、gradient-weighted class activation mappingを用いて、CIMP陽性・陰性の判別時に病理画像のどの領域に着目しているか可視化した。現在、多層オミックス情報を追加して取得し、モデルの予後予測力の向上を図っている。
The aim of this study was to build a deep learning model to predict cancer treatment response and prognosis by fusing pathological morphology images and omics information with the assistance of artificial intelligence (AI). Using micrographs and virtual slide data of renal cell carcinoma surgical specimens, a convolutional neural network model of CpG island methylation trait (CIMP)-positive renal cell carcinoma with poor prognosis was constructed. Furthermore, gradient-weighted class activation mapping was used to visualise which regions of the pathological image are focused on when discriminating CIMP-positive and CIMP-negative. Additional multilayer omics information is currently being acquired to improve the prognostic power of the model.
|
|
| 目次 |
|
| キーワード |
|
| NDC |
|
| 注記 |
研究種目 : 基盤研究 (B) (一般)
研究期間 : 2021～2023
課題番号 : 21H02705
研究分野 : 人体病理学
|
|
| 言語 |
|
| 資源タイプ |
|
| ジャンル |
|
| 著者版フラグ |
|
| 関連DOI |
|
| アクセス条件 |
|
| 最終更新日 |
|
| 作成日 |
|
| 所有者 |
|
| 更新履歴 |
| Nov 19, 2025 | | インデックス を変更 |
| Nov 19, 2025 | | 著者 著者ID,著者 名前,著者 カナ,著者 ローマ字,著者 所属,著者 所属(翻訳),著者 役割,著者 外部リンク,抄録 内容,注記 注記 を変更 |
|
|
| インデックス |
|
| 関連アイテム |
|
