論文の概要: A Comprehensive Review for Breast Histopathology Image Analysis Using Classical and Deep Neural Networks

• arxiv url: http://arxiv.org/abs/2003.12255v2
• Date: Thu, 18 Jun 2020 12:48:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-19 05:31:47.719703
• Title: A Comprehensive Review for Breast Histopathology Image Analysis Using Classical and Deep Neural Networks
• Title（参考訳）: 古典的・深層ニューラルネットワークを用いた乳腺病理画像解析の包括的考察
• Authors: Xiaomin Zhou, Chen Li, Md Mamunur Rahaman, Yudong Yao, Shiliang Ai, Changhao Sun, Xiaoyan Li, Qian Wang, Tao Jiang
• Abstract要約: 乳癌は女性の中で最も一般的で致命的ながんの1つである。 ANN(Artificial Neural Network)アプローチは、セグメンテーションと分類タスクで広く使用されている。 本稿では,ANNに基づくBHIA技術の概要を概観する。
• 参考スコア（独自算出の注目度）: 19.847428358596453
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Breast cancer is one of the most common and deadliest cancers among women. Since histopathological images contain sufficient phenotypic information, they play an indispensable role in the diagnosis and treatment of breast cancers. To improve the accuracy and objectivity of Breast Histopathological Image Analysis (BHIA), Artificial Neural Network (ANN) approaches are widely used in the segmentation and classification tasks of breast histopathological images. In this review, we present a comprehensive overview of the BHIA techniques based on ANNs. First of all, we categorize the BHIA systems into classical and deep neural networks for in-depth investigation. Then, the relevant studies based on BHIA systems are presented. After that, we analyze the existing models to discover the most suitable algorithms. Finally, publicly accessible datasets, along with their download links, are provided for the convenience of future researchers.
• Abstract（参考訳）: 乳癌は女性の中で最も一般的で致命的ながんの1つである。 病理組織学的画像には十分な表現型情報が含まれているため,乳癌の診断と治療には不可欠である。 乳房病理画像解析(BHIA)の精度と客観性を改善するため,乳房病理画像の分割・分類作業にニューラルネットワーク(ANN)アプローチが広く用いられている。 本稿では,ANNに基づくBHIA技術の概要を概観する。 まず、BHIAシステムを古典的および深層ニューラルネットワークに分類し、詳細な調査を行う。 次に、BHIAシステムに基づく関連する研究について述べる。 その後、既存のモデルを分析し、最も適切なアルゴリズムを発見する。 最後に、公開可能なデータセットとダウンロードリンクは、将来の研究者の利便性のために提供される。

関連論文リスト

• Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
  カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。 拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。 本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
  論文  参考訳（メタデータ） (2023-11-30T15:11:03Z)
• A Preliminary Investigation into Search and Matching for Tumour Discrimination in WHO Breast Taxonomy Using Deep Networks [3.3519874057464283]
  最先端の深層学習モデルから抽出した深部像を用いて,35種類の腫瘍のWHO乳房分類を解析した。 WHOの乳腺分類データにおけるパッチ類似性検索は、「多数投票」による検証で88%以上の精度に達した。 これらの結果から, 乳房病変と乳房病変の複雑な関係について, 索引付きデジタルアーカイブを用いて検討した。
  論文  参考訳（メタデータ） (2023-08-22T03:40:46Z)
• Breast Cancer Classification Based on Histopathological Images Using a Deep Learning Capsule Network [0.0]
  本研究は, 病理組織像(HIs)を用いて, 異なる種類の乳癌を分類することを目的とする。 本稿では、Res2Netブロックと4つの畳み込み層を用いて、マルチスケールの特徴を抽出する拡張カプセルネットワークを提案する。 結果として、新しいメソッドは、可能な限り最高の機能を自動で学習するため、古いメソッドよりも優れています。
  論文  参考訳（メタデータ） (2022-08-01T03:45:36Z)
• Breast Cancer Classification using Deep Learned Features Boosted with Handcrafted Features [0.0]
  早期発見・分類・診断の枠組みを考えることは,研究コミュニティにとって最も重要である。 本稿では,マンモグラフィーを用いた乳癌の分類のための新しい枠組みを提案する。 提案するフレームワークは,新しい畳み込みニューラルネットワーク(CNN)機能から抽出したロバストな特徴と手作りの機能を組み合わせたものである。
  論文  参考訳（メタデータ） (2022-06-26T07:54:09Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Global Guidance Network for Breast Lesion Segmentation in Ultrasound Images [84.03487786163781]
  我々は,大域的誘導ブロック(GGB)と乳房病変境界検出モジュールを備えた深部畳み込みニューラルネットワークを開発した。 当社のネットワークは、乳房超音波病変分割における他の医療画像分割方法および最近のセマンティックセグメンテーション方法よりも優れています。
  論文  参考訳（メタデータ） (2021-04-05T13:15:22Z)
• DenseNet for Breast Tumor Classification in Mammographic Images [0.0]
  本研究の目的は,マンモグラフィ画像における乳腺病変の自動検出,分画,分類のための深層畳み込みニューラルネットワーク手法を構築することである。 ディープラーニングに基づいて,選択と抽出を特徴とするmask-cnn(roialign)法を開発し,drknet architectureを用いて分類を行った。
  論文  参考訳（メタデータ） (2021-01-24T03:30:59Z)
• Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
  ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。 臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。 そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2020-10-09T14:39:27Z)
• Artificial Neural Network Based Breast Cancer Screening: A Comprehensive Review [0.0]
  本稿では,マンモグラフィによる乳癌の診断のための人工ニューラルネットワークモデルに関する文献を体系的にレビューする。 スパイキングニューラルネットワーク(SNN)、ディープ信頼ネットワーク(DBN)、畳み込みニューラルネットワーク(CNN)、多層ニューラルネットワーク(MLNN)、スタックドオートエンコーダ(SAE)、スタックドデノイズオートエンコーダ(SDAE)など、さまざまなANNモデルの利点と限界について述べる。
  論文  参考訳（メタデータ） (2020-05-29T17:13:51Z)
• Gleason Grading of Histology Prostate Images through Semantic Segmentation via Residual U-Net [60.145440290349796]
  前立腺癌の最終診断は、病理学者による前立腺生検におけるGleasonパターンの視覚的検出に基づいている。 コンピュータ支援診断システムは、組織内のがんのパターンを分類し分類することができる。 この研究の方法論的核心は、がん組織を分節できる残留ブロックで修正された画像分割のためのU-Net畳み込みニューラルネットワークである。
  論文  参考訳（メタデータ） (2020-05-22T19:49:10Z)
• Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
  本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。 提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-03T22:25:01Z)

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。