uu.seUppsala universitets publikationer
Ändra sökning
Avgränsa sökresultatet
1 - 6 av 6
RefereraExporteraLänk till träfflistan
Permanent länk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Träffar per sida
  • 5
  • 10
  • 20
  • 50
  • 100
  • 250
Sortering
  • Standard (Relevans)
  • Författare A-Ö
  • Författare Ö-A
  • Titel A-Ö
  • Titel Ö-A
  • Publikationstyp A-Ö
  • Publikationstyp Ö-A
  • Äldst först
  • Nyast först
  • Skapad (Äldst först)
  • Skapad (Nyast först)
  • Senast uppdaterad (Äldst först)
  • Senast uppdaterad (Nyast först)
  • Disputationsdatum (tidigaste först)
  • Disputationsdatum (senaste först)
  • Standard (Relevans)
  • Författare A-Ö
  • Författare Ö-A
  • Titel A-Ö
  • Titel Ö-A
  • Publikationstyp A-Ö
  • Publikationstyp Ö-A
  • Äldst först
  • Nyast först
  • Skapad (Äldst först)
  • Skapad (Nyast först)
  • Senast uppdaterad (Äldst först)
  • Senast uppdaterad (Nyast först)
  • Disputationsdatum (tidigaste först)
  • Disputationsdatum (senaste först)
Markera
Maxantalet träffar du kan exportera från sökgränssnittet är 250. Vid större uttag använd dig av utsökningar.
  • 1.
    Bengtsson, Ewert
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Reglerteknik. Uppsala university.
    Wieslander, Håkan
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Forslid, Gustav
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Hirsch, Jan-Michael
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Käkkirurgi.
    Runow Stark, Christina
    Kecheril Sadanandan, Sajith
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Detection of Malignancy-Associated Changes Due to Precancerous and Oral Cancer Lesions: A Pilot Study Using Deep Learning2018Ingår i: CYTO2018 / [ed] Andrea Cossarizza, 2018Konferensbidrag (Refereegranskat)
    Abstract [en]

    Background: The incidence of oral cancer is increasing and it is effecting younger individuals. PAP smear-based screening, visual, and automated, have been used for decades, to successfully decrease the incidence of cervical cancer. Can similar methods be used for oral cancer screening? We have carried out a pilot study using neural networks for classifying cells, both from cervical cancer and oral cancer patients. The results which were reported from a technical point of view at the 2017 IEEE International Conference on Computer Vision Workshop (ICCVW), were particularly interesting for the oral cancer cases, and we are currently collecting and analyzing samples from more patients. Methods: Samples were collected with a brush in the oral cavity and smeared on glass slides, stained, and prepared, according to standard PAP procedures. Images from the slides were digitized with a 0.35 micron pixel size, using focus stacks with 15 levels 0.4 micron apart. Between 245 and 2,123 cell nuclei were manually selected for analysis for each of 14 datasets, usually 2 datasets for each of the 6 cases, in total around 15,000 cells. A small region was cropped around each nucleus, and the best 2 adjacent focus layers in each direction were automatically found, thus creating images of 100x100x5 pixels. Nuclei were chosen with an aim to select well preserved free-lying cells, with no effort to specifically select diagnostic cells. We therefore had no ground truth on the cellular level, only on the patient level. Subsets of these images were used for training 2 sets of neural networks, created according to the ResNet and VGG architectures described in literature, to distinguish between cells from healthy persons, and those with precancerous lesions. The datasets were augmented through mirroring and 90 degrees rotations. The resulting networks were used to classify subsets of cells from different persons, than those in the training sets. This was repeated for a total of 5 folds. Results: The results were expressed as the percentage of cell nuclei that the neural networks indicated as positive. The percentage of positive cells from healthy persons was in the range 8% to 38%. The percentage of positive cells collected near the lesions was in the range 31% to 96%. The percentages from the healthy side of the oral cavity of patients with lesions ranged 37% to 89%. For each fold, it was possible to find a threshold for the number of positive cells that would correctly classify all patients as normal or positive, even for the samples taken from the healthy side of the oral cavity. The network based on the ResNet architecture showed slightly better performance than the VGG-based one. Conclusion: Our small pilot study indicates that malignancyassociated changes that can be detected by neural networks may exist among cells in the oral cavity of patients with precancerous lesions. We are currently collecting samples from more patients, and will present those results as well, with our poster at CYTO 2018.

  • 2.
    Lu, Jiahao
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Sladoje, Natasa
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Runow Stark, Christina
    Dept. of Orofacial Medicine at Södersjukhuset, Folktandvården Stockholms Län AB, Sweden.
    Darai Ramqvist, Eva
    Karolinska Universitetsjukhuset, Dept. of Clinical Pathology and Cytology, Stockholm, Sweden.
    Hirsch, Jan-Michael
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Käkkirurgi.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    A Deep Learning based Pipeline for Efficient Oral Cancer Screening on Whole Slide ImagesManuskript (preprint) (Övrigt vetenskapligt)
    Abstract [en]

    Oral cancer incidence is rapidly increasing worldwide. The most important determinant factor in cancer survival is early diagnosis. To facilitate large scale screening, we propose a fully automated end-to-end pipeline for oral cancer screening on whole slide cytology images. The pipeline consists of regression based nucleus detection, followed by per cell focus selection, and CNN based classification. We demonstrate that the pipeline provides fast and efficient cancer classification of whole slide cytology images, improving over previous results. The complete source code is made available as open source (https://github.com/MIDA-group/OralScreen).

  • 3.
    Nowinski, Daniel
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Plastikkirurgi.
    Messo, Elias
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Käkkirurgi.
    Hedlund, Anders
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Plastikkirurgi.
    Hirsch, Jan-Michael
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Käkkirurgi.
    Computer-navigated contouring of craniofacial fibrous dysplasia involving the orbit2011Ingår i: The Journal of craniofacial surgery (Print), ISSN 1049-2275, E-ISSN 1536-3732, Vol. 22, nr 2, s. 469-472Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Virtual surgical planning and computer-aided surgery were used to treat a mono-ostotic fibrous dysplasia of the right zygoma. Mirroring of the contralateral zygoma sets the target for the contouring of the affected zygomatic bone. An optical system for computer-guided surgery was used. Instruments were calibrated and visualized in real time on screen. Achievement of the virtually set target for the orbitozygomatic anatomy was assessed during surgery. Postoperative computed tomography and clinical follow-up confirmed an excellent result with regard to facial symmetry and eye bulb position. The volume of the orbit was increased from 24.2 to 26.0 mL compared with a contralateral orbital volume of 25.7 mL. Computer-guided surgery may be a useful tool in the surgical reduction of craniofacial fibrous dysplasia.

  • 4.
    Runow Stark, Christina
    et al.
    Public Dental Health Center of Stockholm County Council, Medicinsk Tandvård, Södersjukhuset Stockholm.
    Gustavsson, Inger
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi.
    Gyllensten, Ulf
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi.
    Darai Ramqvist, Eva
    Dpt of Pathology and Cytology, Karolinska Institute, Stockholm.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Reglerteknik. Uppsala university.
    Hirsch, Jan-Michael
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Käkkirurgi.
    Brush Biopsy For HR-HPV Detection With FTA Card And AI For Cytology Analysis - A Viable Non-invasive Alternative2018Ingår i: EAOM2018 / [ed] Bengt Hasséus, 2018Konferensbidrag (Refereegranskat)
    Abstract [en]

    Introduction: Oral cancer accounts for about 800-1,000 new cases each year in Sweden and the ratio of cancer related to high-risk human papillomavirus (HR-HPV) is increasing in the younger population due to changes in sexual habits. The most two frequent HR-HPV types 16 and 18 have both significant oncogenic potential.

    Objectives: In this pilot study we evaluate two non-invasive automated methods; 1) detection of HR-HPV using FTA cards, and 2) image scanning of cytology for detection of premalignant lesions as well as eradicate the early stage of neoplasia.

    Material and Methods: 160 patients with verified HR-HPV oropharyngeal cancer, previous ano-genital HR-HPV-infection or potentially malignant oral disorder were recruited for non-invasive brush sampling and analyzed with two validated automated methods both used in cervix cancer screening. For analysis of HR-HPV DNA the indicating FTA elute micro cardTM were used for dry collection, transportation and storage of the brush samples. For analysis of cell morphology changes an automated liquid base Cytology method (Preserve Cyt) combined with deep learning computer aided technique was used.

    Results: Preliminary results show that the FTA-method is reliable and indicates that healthy and malignant brush samples can be separated by image analysis. 

    Conclusions: With further development of these fully automated methods, it is possible to implement a National Screening Program of the oral mucosa, and thereby select patients for further investigation in order to find lesions with potential malignancy in an early stage. 

  • 5.
    Sundberg, Jonas
    et al.
    Univ Gothenburg, Sahlgrenska Acad, Inst Odontol, Dept Oral Med & Pathol, POB 450, SE-40530 Gothenburg, Sweden.
    Korytowska, Magdalena
    NAL Hosp, Clin Orofacial Med & Maxillofacial Surg, Trollhattan, Sweden.
    Burgos, Patricia Miranda
    NAL Hosp, Clin Orofacial Med & Maxillofacial Surg, Trollhattan, Sweden.
    Blomgren, Johan
    Sahlgrenska Univ Hosp East, Clin Orofacial Med, Gothenburg, Sweden.
    Blomstrand, Lena
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Käkkirurgi.
    De Lara, Shahin
    Sahlgrens Univ Hosp, Dept Clin Pathol, Gothenburg, Sweden.
    Sand, Lars
    Univ Oslo, Fac Odontol, Dept Oral Biol, Oslo, Norway.
    Hirsch, Jan-Michael
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Käkkirurgi.
    Holmberg, Erik
    Univ Gothenburg, Sahlgrenska Acad, Inst Clin Sci, Dept Oncol, Gothenburg, Sweden.
    Giglio, Daniel
    Univ Gothenburg, Sahlgrenska Acad, Inst Clin Sci, Dept Oncol, Gothenburg, Sweden.
    Öhman, Jenny
    Univ Gothenburg, Sahlgrenska Acad, Inst Odontol, Dept Oral Med & Pathol, POB 450, SE-40530 Gothenburg, Sweden.
    Kovacs, Aniko
    Sahlgrens Univ Hosp, Dept Clin Pathol, Gothenburg, Sweden.
    Horal, Peter
    Univ Gothenburg, Sahlgrenska Acad, Inst Biomed, Dept Infect Med, Gothenburg, Sweden.
    Lindh, Magnus
    Univ Gothenburg, Sahlgrenska Acad, Inst Biomed, Dept Infect Med, Gothenburg, Sweden.
    Kjeller, Göran
    Univ Gothenburg, Sahlgrenska Acad, Dept Oral & Maxillofacial Surg, Gothenburg, Sweden.
    Hasseus, Bengt
    Univ Gothenburg, Sahlgrenska Acad, Inst Odontol, Dept Oral Med & Pathol, POB 450, SE-40530 Gothenburg, Sweden.
    Combined Testing of p16 Tumour-suppressor Protein and Human Papillomavirus in Patients With Oral Leukoplakia and Oral Squamous Cell Carcinoma2019Ingår i: Anticancer Research, ISSN 0250-7005, E-ISSN 1791-7530, Vol. 39, nr 3, s. 1293-1300Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Background: Oral leukoplakia (OL) is a potentially malignant oral mucosal disorder. A casual association between OL, oral squamous cell carcinoma (OSCC) and human papillomavirus (HPV) infection has been suggested, but no conclusive evidence has been presented. p16, a tumour-suppressor protein, is used as a surrogate marker for HPV infection. The aim of this study was to investigate how overexpression of p16 correlates with HPV infection in OL and in OSCC.

    Patients and Methods: Seventy-four patients with OL and 13 with OSCC with p16 overexpressed, were analyzed by immunohistochemistry visualizing p16 and a real-time polymerase chain reaction (PCR) assay targeting HPV types 6, 11, 16, 18, 31, 33, 35, 39, 45, 52, 56, 58 and 59.

    Results: Overexpression of p16 was observed in 18% of patients with OL. None of the HPV subtypes were detected by PCR analysis in patients with OL. In the p16-positive OSCC specimens, 38% were also HPV16-positive.

    Conclusion: Overexpression of p16 was not found to be a reliable biomarker for HPV infection in patients with OL and OSCC.

  • 6.
    Wieslander, Håkan
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Forslid, Gustav
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Hirsch, Jan-Michaél
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Käkkirurgi.
    Runow Stark, Christina
    Sadanandan, Sajith Kecheril
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Deep convolutional neural networks for detecting cellular changes due to malignancy2017Ingår i: Proc. 16th International Conference on Computer Vision Workshops, IEEE Computer Society, 2017, s. 82-89Konferensbidrag (Refereegranskat)
1 - 6 av 6
RefereraExporteraLänk till träfflistan
Permanent länk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf