論文の概要: Spitzoid Lesions Diagnosis based on GA feature selection and Random
Forest
- arxiv url: http://arxiv.org/abs/2003.04745v2
- Date: Wed, 3 Jun 2020 13:23:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-24 21:04:36.163278
- Title: Spitzoid Lesions Diagnosis based on GA feature selection and Random
Forest
- Title(参考訳): GA特徴選択とランダムフォレストに基づくスピッツイド病変診断
- Authors: Abir Belaala (LINFI Laboratory, Biskra University), Labib Sadek
(Terrissa LINFI Laboratory, Biskra University), Noureddine Zerhouni (FEMTO-ST
Institute, CNRS - UFC / ENSMM / UTBM, Automatic Control and Micro-Mechatronic
Systems), Christine Devalland (Service of Anatomy and Pathology Cytology)
- Abstract要約: 本研究の目的は,スピッツイド病変の診断を支援する人工知能モデルを開発することである。
本研究で提案したシステムを評価するために,私的スピッツイド病変データセットが用いられている。
SMOTE-GA-RFモデルとGA-16の特徴は精度0.97, F-measure 0.98, AUC 0.98, G-mean 0.97で優れた性能を示した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Spitzoid lesions broadly categorized into Spitz Nevus (SN), Atypical Spitz
Tumors (AST), and Spitz Melanomas (SM). The accurate diagnosis of these lesions
is one of the most challenges for dermapathologists; this is due to the high
similarities between them. Data mining techniques are successfully applied to
situations like these where complexity exists. This study aims to develop an
artificial intelligence model to support the diagnosis of Spitzoid lesions. A
private spitzoid lesions dataset have been used to evaluate the system proposed
in this study. The proposed system has three stages. In the first stage, SMOTE
method applied to solve the imbalance data problem, in the second stage, in
order to eliminate irrelevant features; genetic algorithm is used to select
significant features. This later reduces the computational complexity and speed
up the data mining process. In the third stage, Random forest classifier is
employed to make a decision for two different categories of lesions (Spitz
nevus or Atypical Spitz Tumors). The performance of our proposed scheme is
evaluated using accuracy, sensitivity, specificity, G-mean, F- measure, ROC and
AUC. Results obtained with our SMOTE-GA-RF model with GA-based 16 features show
a great performance with accuracy 0.97, F-measure 0.98, AUC 0.98, and G-mean
0.97.Results obtained in this study have potential to open new opportunities in
diagnosis of spitzoid lesions.
- Abstract(参考訳): Spitzoid lesions は Spitz Nevus (SN), Atypical Spitz tumors (AST), Spitz Melanomas (SM) に大別された。
これらの病変の正確な診断は、皮膚病理学者にとって最も難しい課題の1つであり、両者の類似性が高いためである。
データマイニング技術は、複雑性が存在するような状況にうまく適用されます。
本研究の目的は、スピッツァード病変の診断を支援する人工知能モデルの開発である。
本研究で提案するシステムを評価するために,splitzoid lesionsデータセットを用いた。
提案システムには3つの段階がある。
第1段階では、無関係な特徴を排除するために、第2段階で不均衡なデータ問題を解決するためにSMOTE法を適用し、遺伝的アルゴリズムを用いて重要な特徴を選択する。
これは後に計算の複雑さを減らし、データマイニングプロセスを高速化する。
第3段階ではランダム森林分類器を用いて2種類の病変(Spitz nevus または非定型Spitz tumors)を判定する。
提案手法の性能は,精度,感度,特異度,G平均,F-測度,ROC,AUCを用いて評価した。
SMOTE-GA-RFモデルとGA-16の特徴は精度0.97, F-measure 0.98, AUC 0.98, G-mean 0.97で良好な成績を示した。
関連論文リスト
- Multiple Instance Ensembling For Paranasal Anomaly Classification In The
Maxillary Sinus [46.1292414445895]
副鼻腔奇形は幅広い形態学的特徴を持つ。
副鼻腔異常分類への現在のアプローチは、一度に1つの異常を特定することに制約されている。
3次元畳み込みニューラルネットワーク(CNN)を用いて正常上顎骨(MS)とMSをポリープや嚢胞で分類する可能性を検討した。
論文 参考訳(メタデータ) (2023-03-31T09:23:27Z) - Lesion detection in contrast enhanced spectral mammography [0.0]
近年の乳房画像解析のためのニューラルネットワークモデルの出現は、コンピュータ支援診断における画期的な進歩である。
本研究は,CESMリコンビネート画像に対する深層学習に基づくコンピュータ支援診断開発を提案し,病変の検出と症例の分類を行う。
論文 参考訳(メタデータ) (2022-07-20T06:49:02Z) - StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact
Context-encoding Variational Autoencoder [48.2010192865749]
教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。
本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。
提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
論文 参考訳(メタデータ) (2022-01-31T14:27:35Z) - Deep Learning-Based Sparse Whole-Slide Image Analysis for the Diagnosis
of Gastric Intestinal Metaplasia [5.64692772904991]
本稿では,WSIレベル分類のための高出力ROIの迅速同定のためのスパースWSI解析手法を提案する。
本手法は胃粘膜異形成(GIM)をヘマトキシリンおよびエオシンスライド上で診断し,病理組織学的に有用であるが時間を要する課題について検討した。
提案手法は, 受信機動作特性曲線(AUC)が0.98, 平均精度(AP)が0.95のWSIレベルの分類領域を持つ全正のWSIにおいて, GIMの検出に成功している。
論文 参考訳(メタデータ) (2022-01-05T04:43:46Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳(メタデータ) (2021-10-27T19:28:36Z) - An Attention-based Weakly Supervised framework for Spitzoid Melanocytic
Lesion Diagnosis in WSI [1.0948946179065253]
メラノーマは皮膚がんによる死の大半の原因となる攻撃的な腫瘍である。
診断と予後のための金の基準は、皮膚生検の分析である。
改良型畳み込みニューラルネットワーク(CNN)を用いた誘導伝達学習に基づく,エンドツーエンドの弱い教師付き深層学習モデルを提案する。
本フレームワークは、腫瘍パッチレベルパターンの発見を担当するソースモデルと、生検の特定診断に焦点を当てたターゲットモデルとから構成される。
論文 参考訳(メタデータ) (2021-04-20T10:18:57Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳(メタデータ) (2020-12-06T18:55:07Z) - Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文 参考訳(メタデータ) (2020-10-14T16:50:50Z) - Harvesting, Detecting, and Characterizing Liver Lesions from Large-scale
Multi-phase CT Data via Deep Dynamic Texture Learning [24.633802585888812]
ダイナミックコントラストCT(Dynamic contrast Computed Tomography)のための完全自動多段階肝腫瘍評価フレームワークを提案する。
本システムでは, 腫瘍提案検出, 腫瘍採取, 原発部位の選択, 深部テクスチャに基づく腫瘍評価の4段階からなる。
論文 参考訳(メタデータ) (2020-06-28T19:55:34Z) - 1-D Convlutional Neural Networks for the Analysis of Pupil Size
Variations in Scotopic Conditions [79.71065005161566]
1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。
モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
論文 参考訳(メタデータ) (2020-02-06T17:25:37Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。