SwePub
Sök i LIBRIS databas

  Utökad sökning

id:"swepub:oai:prod.swepub.kib.ki.se:137722206"
 

Sökning: id:"swepub:oai:prod.swepub.kib.ki.se:137722206" > Deep learning based...

  • Bychkov, DUniv Helsinki, Inst Mol Med Finland FIMM, Helsinki Inst Life Sci HiLIFE, Helsinki, Finland. (författare)

Deep learning based tissue analysis predicts outcome in colorectal cancer

  • Artikel/kapitelEngelska2018

Förlag, utgivningsår, omfång ...

  • 2018-02-21
  • Springer Science and Business Media LLC,2018

Nummerbeteckningar

  • LIBRIS-ID:oai:prod.swepub.kib.ki.se:137722206
  • http://kipublications.ki.se/Default.aspx?queryparsed=id:137722206URI
  • https://doi.org/10.1038/s41598-018-21758-3DOI
  • https://urn.kb.se/resolve?urn=urn:nbn:se:uu:diva-349348URI

Kompletterande språkuppgifter

  • Språk:engelska
  • Sammanfattning på:engelska

Ingår i deldatabas

Klassifikation

  • Ämneskategori:ref swepub-contenttype
  • Ämneskategori:art swepub-publicationtype

Anmärkningar

  • Image-based machine learning and deep learning in particular has recently shown expert-level accuracy in medical image classification. In this study, we combine convolutional and recurrent architectures to train a deep network to predict colorectal cancer outcome based on images of tumour tissue samples. The novelty of our approach is that we directly predict patient outcome, without any intermediate tissue classification. We evaluate a set of digitized haematoxylin-eosin-stained tumour tissue microarray (TMA) samples from 420 colorectal cancer patients with clinicopathological and outcome data available. The results show that deep learning-based outcome prediction with only small tissue areas as input outperforms (hazard ratio 2.3; CI 95% 1.79–3.03; AUC 0.69) visual histological assessment performed by human experts on both TMA spot (HR 1.67; CI 95% 1.28–2.19; AUC 0.58) and whole-slide level (HR 1.65; CI 95% 1.30–2.15; AUC 0.57) in the stratification into low- and high-risk patients. Our results suggest that state-of-the-art deep learning techniques can extract more prognostic information from the tissue morphology of colorectal cancer than an experienced human observer.

Ämnesord och genrebeteckningar

Biuppslag (personer, institutioner, konferenser, titlar ...)

  • Linder, NinaUppsala universitet,Internationell barnhälsa och nutrition,Univ Helsinki, Inst Mol Med Finland FIMM, Helsinki Inst Life Sci HiLIFE, Helsinki, Finland.(Swepub:uu)ninli617 (författare)
  • Turkki, RUniv Helsinki, Inst Mol Med Finland FIMM, Helsinki Inst Life Sci HiLIFE, Helsinki, Finland. (författare)
  • Nordling, SUniv Helsinki, Dept Pathol, Med, Helsinki, Finland. (författare)
  • Kovanen, PEUniv Helsinki, Dept Pathol, Helsinki, Finland.;Helsinki Univ Hosp, HUSLAB, Helsinki, Finland. (författare)
  • Verrill, CUniv Oxford, Nuffield Dept Surg Sci, NIHR Oxford Biomed Res Ctr, Oxford, England. (författare)
  • Walliander, MUniv Helsinki, Inst Mol Med Finland FIMM, Helsinki Inst Life Sci HiLIFE, Helsinki, Finland. (författare)
  • Lundin, MUniv Helsinki, Inst Mol Med Finland FIMM, Helsinki Inst Life Sci HiLIFE, Helsinki, Finland. (författare)
  • Haglund, CUniv Helsinki, Dept Surg, Helsinki, Finland.;Helsinki Univ Hosp, Helsinki, Finland.;Univ Helsinki, Res Programs Unit, Translat Canc Biol, Helsinki, Finland. (författare)
  • Lundin, JKarolinska Institutet,Univ Helsinki, Inst Mol Med Finland FIMM, Helsinki Inst Life Sci HiLIFE, Helsinki, Finland.;Karolinska Inst, Dept Publ Hlth Sci, Global Hlth IHCAR, Stockholm, Sweden. (författare)
  • Univ Helsinki, Inst Mol Med Finland FIMM, Helsinki Inst Life Sci HiLIFE, Helsinki, Finland.Internationell barnhälsa och nutrition (creator_code:org_t)

Sammanhörande titlar

  • Ingår i:Scientific reports: Springer Science and Business Media LLC8:1, s. 3395-2045-2322

Internetlänk

Hitta via bibliotek

Till lärosätets databas

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy