본문내용 바로가기

교보eBook

교보문고eBook 로고가 필요하세요? 다운버튼을 누르면 원하는 형태의 로고를 다운 받으실 수 있습니다.

  • 흰색 배경 로고
    JPG down PNG down
  • 어두운 배경 로고
    JPG down PNG down
닫기
sam베이직

전체메뉴
논문 표지
[학술논문]

Feasibility of fully automated classification of whole slide images based on deep learning

  • 영문제목 : 입력된 영문제목이 없습니다.
  • 발행기관 : 대한생리학회-대한약리학회
  • 저자명 : Kyung-Ok Cho,Sung Hak Lee,Hyun-Jong Jang
  • 간행물 정보 : 『The Korean Journal of Physiology & Pharmacology』24권 1호, 89~99쪽, 전체 11쪽
  • 주제분류 : 의약학 > 의학일반
  • 파일형태 : PDF
  • 발행일자 : 2020.01.31
  • 정가 4,120
  • 청구할인가 3,090

교보문고 핫트랙스 롯데카드 최대25%할인 안내

구매일시로부터 3일간 다운로드 가능합니다.
이 학술논문 정보는 (주)교보문고와 각 발행기관 사이에 저작권 계약이 체결된
것으로, 교보문고를 통해 제공되고 있습니다. 1:1문의

국문초록보기

* 현재 컨텐츠 정보를 준비 중에 있습니다.

영문초록보기

Although microscopic analysis of tissue slides has been the basis for disease diagnosis for decades, intra- and inter-observer variabilities remain issues to be resolved. The recent introduction of digital scanners has allowed for using deep learning in the analysis of tissue images because many whole slide images (WSIs) are accessible to researchers. In the present study, we investigated the possibility of a deep learning-based, fully automated, computer-aided diagnosis system with WSIs from a stomach adenocarcinoma dataset. Three different convolutional neural network architectures were tested to determine the better architecture for tissue classifier.
Each network was trained to classify small tissue patches into normal or tumor.
Based on the patch-level classification, tumor probability heatmaps can be overlaid on tissue images. We observed three different tissue patterns, including clear normal, clear tumor and ambiguous cases. We suggest that longer inspection time can be assigned to ambiguous cases compared to clear normal cases, increasing the accuracy and efficiency of histopathologic diagnosis by pre-evaluating the status of the WSIs. When the classifier was tested with completely different WSI dataset, the performance was not optimal because of the different tissue preparation quality. By including a small amount of data from the new dataset for training, the performance for the new dataset was much enhanced. These results indicated that WSI dataset should include tissues prepared from many different preparation conditions to construct a generalized tissue classifier. Thus, multi-national/multi-center dataset should be built for the application of deep learning in the real world medical practice.

[내용접기]

해당 간행물 수록 논문

eBook 구매 안내

상품 이용 안내

- 본 상품은 배송되지 않으며, 구매 후 논문 파일을 다운로드 받거나 [교보eBook 내서재]를 통해 열람할 수 있는 전자책 서비스입니다.
- 구매일시를 기준으로 3일까지 다운로드 가능합니다 .
예) 5월18일 오후 4시 구매 --> 5월21일 오후 3시 59분까지 다운로드 가능

반품/교환/환불 안내

- eBook 상품은 구매 후 다운로드를 하지 않은 경우에 한해 구매일로부터 7일 이내 주문 취소가 가능합니다.
- 디지털 교보문고의 전산오류를 제외한 고객님의 개인적인 사정으로 인한 환불 및 교환은 불가능합니다. 또한, 정액권과 이용권 사용기간 연장은 불가능합니다.
- 고객센터 > 1:1상담 > 반품/교환/환불 을 통해 신청가능하고 마이룸 > 교환/반품 내역 에서 확인 가능합니다.
- eBook 상품은 구매 후 다운로드 받은 경우 주문 취소가 불가능합니다 .

소비자 피해보상 환불지연에 따른 배상

- 상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은 소비자분쟁해결 기준 (공정거래위원회 고시)에 준하여 처리됨
- 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의 소비자 보호에 관한 법률에 따라 처리함

바로가기

최근 본 상품