Fugu-MT 論文翻訳(概要): Identification of Cervical Pathology using Adversarial Neural Networks

論文の概要: Identification of Cervical Pathology using Adversarial Neural Networks

arxiv url: http://arxiv.org/abs/2004.13406v1
Date: Tue, 28 Apr 2020 10:22:16 GMT
ステータス: 処理完了
システム内更新日: 2022-12-08 22:51:55.508158
Title: Identification of Cervical Pathology using Adversarial Neural Networks
Title（参考訳）: 逆行性ニューラルネットワークを用いた頚髄病理の同定
Authors: Abhilash Nandy, Rachana Sathish, Debdoot Sheet
Abstract要約: 子宮頸癌は、インドや他の低所得国や中所得国の女性のがん関連死亡の主な原因である。我々は、SegNetに似たアーキテクチャを持つ畳み込みオートエンコーダベースのフレームワークを提案する。提案手法は、ImageNetデータベース上で事前トレーニングされた微調整畳み込みニューラルネットワークを73.75%の平均精度で高速化する。
参考スコア（独自算出の注目度）: 8.364276127015255
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Various screening and diagnostic methods have led to a large reduction of cervical cancer death rates in developed countries. However, cervical cancer is the leading cause of cancer related deaths in women in India and other low and middle income countries (LMICs) especially among the urban poor and slum dwellers. Several sophisticated techniques such as cytology tests, HPV tests etc. have been widely used for screening of cervical cancer. These tests are inherently time consuming. In this paper, we propose a convolutional autoencoder based framework, having an architecture similar to SegNet which is trained in an adversarial fashion for classifying images of the cervix acquired using a colposcope. We validate performance on the Intel-Mobile ODT cervical image classification dataset. The proposed method outperforms the standard technique of fine-tuning convolutional neural networks pre-trained on ImageNet database with an average accuracy of 73.75%.
Abstract（参考訳）: 様々なスクリーニングと診断方法により、先進国では頚癌死亡率が大幅に低下している。しかしながら、子宮頸癌は、特に都市部の貧困層や低所得者の間で、インドや他の低所得国(LMICs)の女性のがん関連死亡の主な原因となっている。細胞診検査、HPV検査など、いくつかの高度な技術が子宮頸癌のスクリーニングに広く用いられている。これらのテストは本質的に時間がかかります。本稿では,segnetに類似したアーキテクチャを持つ畳み込み型オートエンコーダベースのフレームワークを提案する。我々は,intel-mobile odt頚部画像分類データセットの性能を検証する。提案手法は、ImageNetデータベース上で事前トレーニングされた微調整畳み込みニューラルネットワークを73.75%の平均精度で高速化する。

関連論文リスト

CerviXpert: A Multi-Structural Convolutional Neural Network for Predicting Cervix Type and Cervical Cell Abnormalities [0.05869347864780635]
子宮頸癌は、世界中の女性のがん関連死亡の主な原因である。パパ・スミアや頚椎生検のような伝統的な診断法は、細胞学の専門知識に大きく依存している。本研究では,CerviXpertについて紹介する。CerviXpertは,頚椎型を効率よく分類し,頸部細胞異常を検出するように設計された多構造畳み込みニューラルネットワークモデルである。
論文参考訳（メタデータ） (2024-09-10T05:08:26Z)
Cervical Cancer Detection Using Multi-Branch Deep Learning Model [0.6249768559720121]
本研究では,MHSA (Multi-Head Self-Attention) と畳み込みニューラルネットワーク (CNN) を用いた頚部癌の画像分類の自動化手法を提案する。我々のモデルは98.522%の顕著な精度を達成し、他の医療画像認識タスクに適用可能であることを約束している。
論文参考訳（メタデータ） (2024-08-20T02:44:48Z)
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)
Recent trends and analysis of Generative Adversarial Networks in Cervical Cancer Imaging [0.0]
子宮頸癌は女性の全がんの6-29%を占める。この疾患の早期発見は、患者の治療と生存率の向上に役立つ。 Generative Adversarial Networks (GANs) は、子宮頸癌のスクリーニング、検出、分類において速度に追いついている。
論文参考訳（メタデータ） (2022-09-23T05:45:40Z)
EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文参考訳（メタデータ） (2022-01-13T05:24:40Z)
Convolutional neural network based on transfer learning for breast cancer screening [0.0]
本稿では, 超音波画像から乳がんを正確に同定するために, 深部畳み込みニューラルネットワークに基づくアルゴリズムを提案する。 537 Benign, 360 malignant, 133 normal image の胸部超音波データセットを用いていくつかの実験を行った。 k-foldクロスバリデーションとバッグアンサンブルを用いて、99.5%の精度と99.6%の感度を実現した。
論文参考訳（メタデータ） (2021-12-22T02:27:12Z)
COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19 Patient Cases from Point-of-care Ultrasound Imaging [101.27276001592101]
我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
論文参考訳（メタデータ） (2021-08-05T16:47:33Z)
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)
Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文参考訳（メタデータ） (2020-09-22T11:53:06Z)
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)
Learning from Suspected Target: Bootstrapping Performance for Breast Cancer Detection in Mammography [6.323318523772466]
対象領域の選択と訓練を行う新しいサンプリング手順とともに,新しいトップ可能性損失を導入する。まず,提案手法をプライベートな高密度マンモグラフィーデータセット上で検証する。以上の結果から,本手法は偽陽性率を大幅に低減し,質量型癌検出では0.25倍の特異性を示した。
論文参考訳（メタデータ） (2020-03-01T09:04:24Z)

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。