Fugu-MT 論文翻訳(概要): Deep Transfer Learning for Texture Classification in Colorectal Cancer Histology

論文の概要: Deep Transfer Learning for Texture Classification in Colorectal Cancer Histology

arxiv url: http://arxiv.org/abs/2004.01614v1
Date: Fri, 3 Apr 2020 15:05:36 GMT
ステータス: 処理完了
システム内更新日: 2022-12-17 04:19:31.943469
Title: Deep Transfer Learning for Texture Classification in Colorectal Cancer Histology
Title（参考訳）: 大腸癌組織学におけるテクスチャ分類のためのdeep transfer learning
Authors: Srinath Jayachandran, Ashlin Ghosh
Abstract要約: 偏微分微調整と一サイクル政治を併用し,構造保存色正規化を適用して結果を向上する。 96.2%の最先端テスト精度を達成することで、メモリ制限ハードウェアにSqueezeNetと呼ばれるデプロイメントフレンドリなアーキテクチャの使用も開始しました。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Microscopic examination of tissues or histopathology is one of the diagnostic procedures for detecting colorectal cancer. The pathologist involved in such an examination usually identifies tissue type based on texture analysis, especially focusing on tumour-stroma ratio. In this work, we automate the task of tissue classification within colorectal cancer histology samples using deep transfer learning. We use discriminative fine-tuning with one-cycle-policy and apply structure-preserving colour normalization to boost our results. We also provide visual explanations of the deep neural network's decision on texture classification. With achieving state-of-the-art test accuracy of 96.2% we also embark on using deployment friendly architecture called SqueezeNet for memory-limited hardware.
Abstract（参考訳）: 組織や病理の顕微鏡検査は大腸癌の診断方法の1つである。このような検査に関わった病理学者は通常、組織型をテクスチャー分析に基づいて同定する。本研究では,深層移動学習を用いた大腸癌組織標本の組織分類作業を自動化する。偏微分微調整と一サイクル政治を併用し,構造保存色正規化を適用して結果を向上する。また,テクスチャ分類におけるディープニューラルネットワークの決定を視覚的に説明する。 96.2%の最先端テスト精度を達成することで、メモリ制限ハードウェアにSqueezeNetと呼ばれるデプロイメントフレンドリなアーキテクチャの使用も開始しました。

関連論文リスト

Neural Cellular Automata for Lightweight, Robust and Explainable Classification of White Blood Cell Images [40.347953893940044]
ニューラルセルオートマトン(NCA)を用いた白血球分類の新しいアプローチを提案する。 NCAに基づく手法はパラメータの面で著しく小さく,ドメインシフトに対する堅牢性を示す。その結果,NAAは画像分類に利用でき,従来の手法の課題に対処できることがわかった。
論文参考訳（メタデータ） (2024-04-08T14:59:53Z)
Machine-Learning-based Colorectal Tissue Classification via Acoustic Resolution Photoacoustic Microscopy [3.916910844026426]
大腸内視鏡では、がんによって影響を受ける組織の内部に詳細な情報を提供できないが、生検では組織を除去し、痛みと侵襲性がある。音響分解能光音響顕微鏡(ARPAM)を用いた大腸組織分類のための機械学習手法について検討した。提案手法の有効性を評価するため, 定量的および定性的に解析を行った。
論文参考訳（メタデータ） (2023-07-17T15:15:26Z)
Cross-modulated Few-shot Image Generation for Colorectal Tissue Classification [58.147396879490124]
XM-GANと名づけられた少数ショット生成法は,1塩基と1対の参照組織像を入力とし,高品質で多様な画像を生成する。我々の知る限りでは、大腸組織像の少数ショット生成を最初に調査した人物である。
論文参考訳（メタデータ） (2023-04-04T17:50:30Z)
Deep CNNs for Peripheral Blood Cell Classification [0.0]
我々は、顕微鏡的末梢血細胞画像データセットに基づいて、27の人気の深層畳み込みニューラルネットワークアーキテクチャをベンチマークした。血液細胞分類のためのImageNetデータセットに事前トレーニングされた最先端画像分類モデルを微調整する。
論文参考訳（メタデータ） (2021-10-18T17:56:07Z)
Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文参考訳（メタデータ） (2021-10-04T16:06:49Z)
Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
論文参考訳（メタデータ） (2021-09-10T13:07:11Z)
Deep Multi-Resolution Dictionary Learning for Histopathology Image Analysis [1.503974529275767]
組織画像における組織表現の問題を解くための深層辞書学習手法を提案する。提案フレームワークは,既存のcnnsモデルの多くを活用して,効果的な深層テクスチャ記述子を生成することができる。
論文参考訳（メタデータ） (2021-04-01T17:58:18Z)
Deeply supervised UNet for semantic segmentation to assist dermatopathological assessment of Basal Cell Carcinoma (BCC) [2.031570465477242]
unetアーキテクチャに基づく複数のモデルを用いた意味セグメンテーションによる基底細胞癌(bcc)の検出に焦点を当てた。 unetネットワークの最初の2つの異なるエンコーダと2つの追加のトレーニング戦略を分析した。最高のモデルは、テストセット上の96%、精度、感度、および特異性を達成します。
論文参考訳（メタデータ） (2021-03-05T15:39:55Z)
Hierarchical Cell-to-Tissue Graph Representations for Breast Cancer Subtyping in Digital Pathology [10.06217305782974]
組織標本を表現できる新しい階層的エンティティグラフ表現を提案する。組織構造を組織機能にマッピングするために,実体-グラフ表現上で動作する階層グラフニューラルネットワークを提案する。
論文参考訳（メタデータ） (2021-02-22T14:30:57Z)
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)
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)

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。