Experiments in Molecular Subtype Recognition Based on Histopathology Images

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14310%2F16%3A00093777" target="_blank" >RIV/00216224:14310/16:00093777 - isvavai.cz</a>

Výsledek na webu

<a href="http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=7493474" target="_blank" >http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=7493474</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ISBI.2016.7493474" target="_blank" >10.1109/ISBI.2016.7493474</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Experiments in Molecular Subtype Recognition Based on Histopathology Images

Popis výsledku v původním jazyce

Molecular subtypes have been recently derived for various types of cancer, in an attempt to characterize the inter-tumoral heterogeneity. In this work we explore the possibility of constructing predictors for molecular subtypes based on histopathology images. For this, we introduce a novel 2-level bag-of-features method and we apply it to a collection of colorectal cancer samples. The resulting image features capture some relevant tumor morphology patterns and led to a classifier performing similarly to one constructed from features annotated by an expert pathologist. The significance of our results extends beyond subtype prediction since they demonstrate a possible approach to multimodal (histopathology and molecular) data mining and biomarker identification.

Název v anglickém jazyce

Experiments in Molecular Subtype Recognition Based on Histopathology Images

Popis výsledku anglicky

Molecular subtypes have been recently derived for various types of cancer, in an attempt to characterize the inter-tumoral heterogeneity. In this work we explore the possibility of constructing predictors for molecular subtypes based on histopathology images. For this, we introduce a novel 2-level bag-of-features method and we apply it to a collection of colorectal cancer samples. The resulting image features capture some relevant tumor morphology patterns and led to a classifier performing similarly to one constructed from features annotated by an expert pathologist. The significance of our results extends beyond subtype prediction since they demonstrate a possible approach to multimodal (histopathology and molecular) data mining and biomarker identification.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/LO1214" target="_blank" >LO1214: Centrum pro výzkum toxických látek v prostředí</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2016 IEEE 13TH INTERNATIONAL SYMPOSIUM ON BIOMEDICAL IMAGING (ISBI)

ISBN

9781479923502

ISSN

1945-7928

e-ISSN

—

Počet stran výsledku

5

Strana od-do

1168-1172

Název nakladatele

IEEE

Místo vydání

NEW YORK

Místo konání akce

Prague, CZECH REPUBLIC

Datum konání akce

13. 4. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000386377400276