論文の概要: A New Computer-Aided Diagnosis System with Modified Genetic Feature
Selection for BI-RADS Classification of Breast Masses in Mammograms
- arxiv url: http://arxiv.org/abs/2005.05074v1
- Date: Mon, 11 May 2020 13:06:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-04 20:12:48.124528
- Title: A New Computer-Aided Diagnosis System with Modified Genetic Feature
Selection for BI-RADS Classification of Breast Masses in Mammograms
- Title（参考訳）: マンモグラムにおける乳腺のBI-RADS分類のための遺伝子解析による新しいコンピュータ支援診断システム
- Authors: Said Boumaraf, Xiabi Liu, Chokri Ferkous, and Xiaohong Ma
- Abstract要約: マンモグラフィー報告における異常を記述するために用いられる言語は、乳房画像報告・データシステム(BI-RADS)に基づく。
本稿では,マンモグラフィ集団をBI-RADSの4つの評価カテゴリに分類する,コンピュータ支援診断(CAD)システムを提案する。
- 参考スコア（独自算出の注目度）: 5.395050211492798
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mammography remains the most prevalent imaging tool for early breast cancer
screening. The language used to describe abnormalities in mammographic reports
is based on the breast Imaging Reporting and Data System (BI-RADS). Assigning a
correct BI-RADS category to each examined mammogram is a strenuous and
challenging task for even experts. This paper proposes a new and effective
computer-aided diagnosis (CAD) system to classify mammographic masses into four
assessment categories in BI-RADS. The mass regions are first enhanced by means
of histogram equalization and then semiautomatically segmented based on the
region growing technique. A total of 130 handcrafted BI-RADS features are then
extrcated from the shape, margin, and density of each mass, together with the
mass size and the patient's age, as mentioned in BI-RADS mammography. Then, a
modified feature selection method based on the genetic algorithm (GA) is
proposed to select the most clinically significant BI-RADS features. Finally, a
back-propagation neural network (BPN) is employed for classification, and its
accuracy is used as the fitness in GA. A set of 500 mammogram images from the
digital database of screening mammography (DDSM) is used for evaluation. Our
system achieves classification accuracy, positive predictive value, negative
predictive value, and Matthews correlation coefficient of 84.5%, 84.4%, 94.8%,
and 79.3%, respectively. To our best knowledge, this is the best current result
for BI-RADS classification of breast masses in mammography, which makes the
proposed system promising to support radiologists for deciding proper patient
management based on the automatically assigned BI-RADS categories.
- Abstract（参考訳）: マンモグラフィーは早期乳癌検診において最も一般的な画像診断ツールである。
マンモグラフィレポートの異常を記述するために使われる言語は、乳房イメージングレポートおよびデータシステム(bi-rads)に基づいている。
検査対象のマンモグラムに正しいBI-RADSカテゴリを割り当てることは、専門家にとっても厳しい課題である。
本稿では,マンモグラフィ集団をBI-RADSの4つの評価カテゴリに分類する,コンピュータ支援診断(CAD)システムを提案する。
質量領域は、まずヒストグラム等化を用いて拡張され、その後、領域成長技術に基づいて半自動分割される。
BI-RADSマンモグラフィーでいうように、合計130個の手作りBI-RADSの特徴は、各質量の形状、マージン、密度から、質量の大きさと患者の年齢とともに押出される。
次に,遺伝子アルゴリズム(GA)に基づく機能選択法を提案し,臨床上重要なBI-RADS機能を選択する。
最後に、バックプロパゲーションニューラルネットワーク(bpn)を用いて分類を行い、その精度をgaの適合度として用いる。
スクリーニングマンモグラフィ(DDSM)のデジタルデータベースからの500枚のマンモグラフィ画像のセットを用いて評価を行う。
分類精度,正の予測値,負の予測値,マシューズ相関係数はそれぞれ84.5%,84.4%,94.8%,79.3%である。
以上のことから,マンモグラフィにおけるBI-RADSの乳房腫瘤の分類は,放射線科医がBI-RADSを自動指定した分類に基づいて適切な患者管理を行えるように支援することが望まれている。
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) - Post-Hoc Explainability of BI-RADS Descriptors in a Multi-task Framework
for Breast Cancer Detection and Segmentation [48.08423125835335]
MT-BI-RADSは乳房超音波(BUS)画像における腫瘍検出のための新しい深層学習手法である。
放射線科医が腫瘍の悪性度を予測するための意思決定プロセスを理解するための3つのレベルの説明を提供する。
論文 参考訳（メタデータ） (2023-08-27T22:07:42Z) - Localisation of Mammographic masses by Greedy Backtracking of
Activations in the Stacked Auto-Encoders [0.0]
マンモグラフィ画像解析には,正常なマンモグラフィの正確な位置決めが必要である。
重畳された自動エンコーダの最大クラスアクティベーションに基づく,新しいマンモグラフィマスローカライゼーションフレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-09T02:46:13Z) - High-resolution synthesis of high-density breast mammograms: Application
to improved fairness in deep learning based mass detection [48.88813637974911]
深層学習に基づくコンピュータ支援検出システムは乳癌検出において優れた性能を示した。
高密度の乳房は、高密度の組織がマスを覆ったりシミュレートしたりできるため、検出性能が劣っている。
本研究は,高密度乳房における高密度フルフィールドデジタルマンモグラムを用いた質量検出性能の向上を目的とする。
論文 参考訳（メタデータ） (2022-09-20T15:57:12Z) - VinDr-Mammo: A large-scale benchmark dataset for computer-aided
diagnosis in full-field digital mammography [0.5452925161262461]
VinDr-Mammoはフルフィールドデジタルマンモグラフィー(FFDM)の新しいベンチマークデータセットである
データセットは5000のマンモグラフィー試験で構成され、それぞれが4つの標準ビューを持ち、意見の相違を伴って読み上げられている。
乳房画像報告・データシステム(BI-RADS)と乳房レベルの密度を評価するために作成される。
論文 参考訳（メタデータ） (2022-03-20T18:17:42Z) - Supervised Machine Learning Algorithm for Detecting Consistency between
Reported Findings and the Conclusions of Mammography Reports [66.89977257992568]
マンモグラフィーは患者の病態の診断を文書化する。
多くの報告は非標準用語(非BI-RADS記述子)と不完全文を含んでいる。
本研究の目的は,報告された結論と,報告された放射線学の知見に基づいて期待される結果とを比較して,そのような不一致を検出するツールを開発することである。
論文 参考訳（メタデータ） (2022-02-28T08:59:04Z) - A novel multi-view deep learning approach for BI-RADS and density
assessment of mammograms [0.5039813366558306]
BI-RADSのための新しい多視点DL手法とマンモグラムの密度評価を提案する。
提案手法はまず,各ビューで特徴抽出を行うディープ畳み込みネットワークを分離して展開する。
抽出した特徴を積み重ねてLight Gradient Boosting Machine (LightGBM) に入力し、BI-RADSと密度スコアを予測する。
論文 参考訳（メタデータ） (2021-12-08T10:59:17Z) - 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) - 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) - Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of
Geometry and Segmentation of Annotations [70.0118756144807]
この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。
VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。
対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
論文 参考訳（メタデータ） (2020-05-08T02:16:17Z) - Two-stage multi-scale breast mass segmentation for full mammogram
analysis without user intervention [2.7490008316742096]
マンモグラフィーは乳がんの早期発見と診断に使用される主要な画像モダリティである。
各種の乳腺異常のうち,乳腺癌では腫瘤が最も重要な臨床所見である。
高分解能フルマンモグラムから正確な質量輪郭を提供する2段階のマルチスケールパイプラインを提案する。
論文 参考訳（メタデータ） (2020-02-27T13:16:22Z)
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。