Fugu-MT 論文翻訳(概要): Neural networks approach for mammography diagnosis using wavelets features

論文の概要: Neural networks approach for mammography diagnosis using wavelets features

arxiv url: http://arxiv.org/abs/2003.03000v1
Date: Fri, 6 Mar 2020 02:10:47 GMT
ステータス: 処理完了
システム内更新日: 2022-12-26 01:12:15.520898
Title: Neural networks approach for mammography diagnosis using wavelets features
Title（参考訳）: ウェーブレット特徴を用いたマンモグラフィ診断のためのニューラルネットワークアプローチ
Authors: Essam A. Rashed and and Mohamed G. Awad
Abstract要約: 画像のデータをウェーブレット多レベル分解を用いた特徴ベクトルに変換することにより、診断処理を行う。提案モデルは,腫瘍のタイプやリスクレベルに応じてマンモグラムを分類するために設計された人工ニューラルネットワークで構成されている。
参考スコア（独自算出の注目度）: 1.3750624267664155
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A supervised diagnosis system for digital mammogram is developed. The diagnosis processes are done by transforming the data of the images into a feature vector using wavelets multilevel decomposition. This vector is used as the feature tailored toward separating different mammogram classes. The suggested model consists of artificial neural networks designed for classifying mammograms according to tumor type and risk level. Results are enhanced from our previous study by extracting feature vectors using multilevel decompositions instead of one level of decomposition. Radiologist-labeled images were used to evaluate the diagnosis system. Results are very promising and show possible guide for future work.
Abstract（参考訳）: デジタルマンモグラムの教師付き診断システムを開発した。画像のデータをウェーブレットのマルチレベル分解を用いて特徴ベクトルに変換することで診断処理を行う。このベクトルは、異なるマンモグラムクラスを分離するための特徴として使われる。提案モデルは、腫瘍の種類やリスクレベルに応じてマンモグラムを分類するために設計された人工ニューラルネットワークである。結果は,1段階の分解ではなく,多段階分解を用いて特徴ベクトルを抽出することにより,従来の研究から強化された。診断システムの評価には放射線医標識画像を用いた。結果は非常に有望であり、将来の仕事のガイドを示します。

関連論文リスト

Deep BI-RADS Network for Improved Cancer Detection from Mammograms [3.686808512438363]
テキスト型BI-RADS病変記述子と視覚マンモグラムを併用した新しいマルチモーダル手法を提案する。提案手法は,これらの異なるモダリティを効果的に融合させるために,反復的な注意層を用いる。 CBIS-DDSMデータセットの実験では、すべてのメトリクスで大幅に改善されている。
論文参考訳（メタデータ） (2024-11-16T21:32:51Z)
Multi-modal Medical Neurological Image Fusion using Wavelet Pooled Edge Preserving Autoencoder [3.3828292731430545]
本稿では,エッジ保存型高密度オートエンコーダネットワークに基づくマルチモーダル医用画像に対するエンドツーエンド非教師付き核融合モデルを提案する。提案モデルでは,特徴マップのウェーブレット分解に基づくアテンションプールを用いて特徴抽出を改善する。提案モデルでは,ソース画像の強度分布の把握を支援する様々な医用画像ペアを訓練する。
論文参考訳（メタデータ） (2023-10-18T11:59:35Z)
Explainable Ensemble Machine Learning for Breast Cancer Diagnosis based on Ultrasound Image Texture Features [4.511923587827301]
超音波画像を用いた乳がん診断のための説明可能な機械学習パイプラインを提案する。この結果から,提案するフレームワークは説明可能でありながら高い予測性能が得られることがわかった。
論文参考訳（メタデータ） (2022-01-17T22:13:03Z)
BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文参考訳（メタデータ） (2021-10-05T19:14:46Z)
Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文参考訳（メタデータ） (2021-07-12T09:04:20Z)
Predicting invasive ductal carcinoma using a Reinforcement Sample Learning Strategy using Deep Learning [0.951828574518325]
浸潤性管癌の死因は女性で2番目に多い。特定のマンモグラフィーの像の明瞭度や構造が変化しているため、がんの特徴を観察することは困難である。本稿では乳房マンモグラフィー画像に畳み込みニューラルネットワークを新たに利用する腫瘍分類アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-05-26T14:14:45Z)
Act Like a Radiologist: Towards Reliable Multi-view Correspondence Reasoning for Mammogram Mass Detection [49.14070210387509]
マンモグラム質量検出のための解剖学的グラフ畳み込みネットワーク(AGN)を提案する。 AGNはマンモグラムの質量検出用に調整されており、既存の検出手法を多視点推論能力で実現している。 2つの標準ベンチマークの実験によると、AGNは最先端のパフォーマンスを大幅に上回っている。
論文参考訳（メタデータ） (2021-05-21T06:48:34Z)
G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文参考訳（メタデータ） (2021-01-27T19:28:04Z)
Using Machine Learning to Automate Mammogram Images Analysis [12.19801103274363]
X線マンモグラフィーによる乳がんの早期発見は死亡率を効果的に低下させたと考えられている。マンモグラム画像を処理するコンピュータ支援自動マンモグラム解析システムを提案し, 正常または癌として自動的に識別する。
論文参考訳（メタデータ） (2020-12-06T00:10:18Z)
Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文参考訳（メタデータ） (2020-07-24T14:02:09Z)
Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文参考訳（メタデータ） (2020-07-02T12:00:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。