[DEBUG-WINDOW 처리영역 보기]
즐겨찾기  |  뉴스레터  |  오늘의 정보  |  e브릭몰e브릭몰 sale 회원가입   로그인
BRIC홈 한국을 빛내는 사람들
어시스트바이오
배너광고안내
이전
다음
스폰서배너광고 안내  배너1 배너2 배너3 배너4
과학으로 본 코로나19 (COVID-19)
전체보기 추천논문 상위피인용논문 인터뷰 그이후 한빛사통계
박정혁
박정혁 (Jeonghyuk Park) 저자 이메일 보기
뷰노
저자CV 보기
71 KB
  CV updated 2020-11-12 14:30
  인터뷰보기 
조회 490  인쇄하기 주소복사 트위터 공유 페이스북 공유 
A prospective validation and observer performance study of a deep learning algorithm for pathologic diagnosis of gastric tumors in endoscopic biopsies
열기 Authors and Affiliations

Abstract

Purpose: Gastric cancer remains the leading cause of cancer death in Northeast Asia. Population-based endoscopic screenings in the region have yielded successful results in early detection of gastric tumors. Subsequently, endoscopic screening rates are continuously increasing, and there is a need for an automatic computerized diagnostic system to reduce the diagnostic burden. In this study, we developed an algorithm to classify gastric epithelial tumors automatically and assessed its performance in a large series of gastric biopsies and its benefits as an assistance tool. Experimental Design: Using 2,434 whole slide images (WSIs), we developed an algorithm based on convolutional neural networks (CNN) to classify a gastric biopsy image into one of three categories: negative for dysplasia (NFD), tubular adenoma (TA), or carcinoma (CA). The performance of the algorithm was evaluated with 7,440 biopsy specimens collected prospectively. The impact of algorithm-assisted diagnosis was assessed by six pathologists using 150 gastric biopsy cases. Results: Diagnostic performance evaluated by the area under the receiver operating characteristic curve (AUROC) in the prospective study was 0.9790 for two-tier classification; negative (NFD) vs. positive (all cases except NFD). When limited to epithelial tumors, the sensitivity and specificity were 1.000 and 0.9749. Algorithm-assistance digital image viewer resulted in 47% reduction in review time per image compared to digital image viewer only and 58% decrease to microscopy. Conclusions: Our algorithm has demonstrated high accuracy in classifying epithelial tumors and its benefits as an assistance tool which can serve a potential screening aid system in diagnosing gastric biopsy specimens.

논문정보
- 형식: Research article
- 게재일: 2020년 11월 (BRIC 등록일 2020-11-11)
- 연구진: 국내연구진태극기
관련 인터뷰
1. 논문관련 분야의 소개, 동향, 전망을 설명, 연구과정에서 생긴 에피소드 딥러닝을 의료 영상에 적용하여 높은 성능을 얻었다는 연구는 최근에는 너무 많아 일일히 소개하기 어려울 정도가 되었습니다. 하지만 이 연구가 시작되던 시기에는 “정말 될까?” 라던 질문이 더 많았던 시기였던 것으로 기억합니다. 그 당시 국내외 많은 그룹들이 상대적으로 서양에서 발생률이 높은 전립선암이나 유방암 등을 타겟으로 진단 모델을 개발하기 시작하였습니다. 저희는 우리나라가 세계...
H3K27M을 지닌 소아뇌종양에서 신진대사와 후성유전학의 관계 [Cancer Cell]
정찬
발표: 정찬 (University of Michigan)
일자: 2021년 2월 4일 (목) 오전 11시 (한국시간)
언어: 한국어
참석자 접수신청하기
약물유전단백체학을 활용한 교모세포종 (Glioblastoma) 연구 [Nat. Commun.]
오세진
발표: 오세진 (연세대학교 의과대학)
일자: 2021년 2월 16일 (화) 오후 02시 (한국시간)
언어: 한국어
참석자 접수신청하기
스무색 만으로 완성하지 못하는 단백질 디자인 [Nat. Commun.]
이준구
발표: 이준구 (Northwestern University)
일자: 2021년 2월 17일 (수) 오전 10시 (한국시간)
언어: 한국어
참석자 접수신청하기
Glutamine Metabolism Controls Stem Cell Fate Reversibility and Long-Term Maintenance in the Hair Follicle [Cell Metab.]
김클스틴슬기
발표: 김클스틴슬기 (DGIST)
일자: 2021년 2월 23일 (화) 오후 03시 (한국시간)
언어: 영어
참석자 접수신청하기
알츠하이머성 치매에서 선천성 면역 단백질 IFITM3의 감마시크리테즈 조절 기작 연구 [Nature]
허지연
발표: 허지연 (Memorial Sloan Kettering...)
일자: 2021년 2월 24일 (수) 오전 10시 (한국시간)
언어: 한국어
참석자 접수신청하기

  댓글 1
회원작성글 hhp1019  (2020-11-23 16:17)
축하드립니다 정혁쌤!
등록
 
목록
관련링크
박정혁 님 전체논문보기 >
관련인물
외부링크
Google (by Jeonghyuk Park)
Pubmed (by Jeonghyuk Park)
프리미엄 Bio일정 Bio일정 프리미엄 안내
[무료/취업연계]바이오QC실무과정(분자진단,세포배양,HPLC) 교육생 모집
[무료/취업연계]바이오QC실무과정(분자진단,세포배양,HPLC) 교육생 모집
날짜: 2021.03.02~12.10
장소: 성남시 분당구 황새울로 329번길 5 (분당 서현역)
2021 써모피셔 사이언티픽 UCC 콘테스트
2021 써모피셔 사이언티픽 UCC 콘테스트
날짜: 2021.02.28
주관: 써모피셔 사이언티픽 코리아..
위로가기
한빛사 홈  |  한빛사FAQ  |  한빛사 문의 및 제안
 |  BRIC소개  |  이용안내  |  이용약관  |  개인정보처리방침  |  이메일무단수집거부
Copyright © BRIC. All rights reserved.  |  문의 member@ibric.org
트위터 트위터    페이스북 페이스북   유튜브 유튜브    RSS서비스 RSS
에펜도르프코리아 광고