論文の概要: Unsupervised Learning of Deep-Learned Features from Breast Cancer Images

• arxiv url: http://arxiv.org/abs/2006.11843v1
• Date: Sun, 21 Jun 2020 16:38:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-18 12:05:52.801368
• Title: Unsupervised Learning of Deep-Learned Features from Breast Cancer Images
• Title（参考訳）: 乳がん画像からの深層学習の教師なし学習
• Authors: Sanghoon Lee, Colton Farley, Simon Shim, Yanjun Zhao, Wookjin Choi, Wook-Sung Yoo
• Abstract要約: 胸部浸潤癌(BRCA)全スライド画像における癌検出のための教師なし学習手法を提案する。 提案手法は完全に自動化されており、教師なし学習手順において人間の関与を必要としない。 本稿では,スライド画像全体において,グループに関連するすべての領域をマッピングする関連グループをユーザが選択できるようにするプロトタイプアプリケーションを提案する。
• 参考スコア（独自算出の注目度）: 7.703756445579874
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting cancer manually in whole slide images requires significant time and effort on the laborious process. Recent advances in whole slide image analysis have stimulated the growth and development of machine learning-based approaches that improve the efficiency and effectiveness in the diagnosis of cancer diseases. In this paper, we propose an unsupervised learning approach for detecting cancer in breast invasive carcinoma (BRCA) whole slide images. The proposed method is fully automated and does not require human involvement during the unsupervised learning procedure. We demonstrate the effectiveness of the proposed approach for cancer detection in BRCA and show how the machine can choose the most appropriate clusters during the unsupervised learning procedure. Moreover, we present a prototype application that enables users to select relevant groups mapping all regions related to the groups in whole slide images.
• Abstract（参考訳）: スライド画像全体において手動で癌を検出するには, 多大な時間と労力を要する。 近年のスライド画像解析の進歩は、がん疾患の診断における効率と有効性を改善する機械学習ベースのアプローチの成長と発展を刺激している。 本稿では,乳腺浸潤癌(BRCA)全スライド画像における癌検出のための教師なし学習手法を提案する。 提案手法は完全に自動化され,教師なし学習手順では人間の関与は不要である。 BRCAにおけるがん検出手法の有効性を実証し, 教師なし学習過程において, マシンが最適なクラスタを選択する方法を示す。 さらに,スライド画像全体において,グループに関連するすべての領域をマッピングする関連グループをユーザが選択できるプロトタイプアプリケーションを提案する。

関連論文リスト

• Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
  本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。 本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
  論文  参考訳（メタデータ） (2024-05-23T07:03:38Z)
• Convolutional neural network classification of cancer cytopathology images: taking breast cancer as an example [40.3927727959038]
  本稿では,画像の高速分類に畳み込みニューラルネットワーク(CNN)を用いる手法を提案する。 病理像を良性群と悪性群に迅速かつ自動分類することができる。 本手法は乳がんの病理像の分類における精度を効果的に向上することを示す。
  論文  参考訳（メタデータ） (2024-04-12T07:08:05Z)
• Segmentation, Classification and Interpretation of Breast Cancer Medical Images using Human-in-the-Loop Machine Learning [37.69303106863453]
  本論文は、乳癌のゲノムデータと全スライドイメージング(WSI)解析の統合を扱っている。 病理医の関与は, より優れたセグメンテーションモデルの開発と, モデルの説明能力の向上に役立ったが, 分類結果は準最適であった。
  論文  参考訳（メタデータ） (2024-03-29T10:49:02Z)
• OpenSRH: optimizing brain tumor surgery using intraoperative stimulated Raman histology [30.845626784372186]
  今回我々は,脳腫瘍患者のRaman histology(SRH)画像の最初の公開データセットであるOpenSRHについて紹介する。 OpenSRHは、最も一般的な脳腫瘍の診断、完全な病理アノテーション、スライド腫瘍の領域全体、生と加工された光学画像データからのデータを含んでいる。 我々は、マルチクラス脳腫瘍分類とパッチベースのコントラスト表現学習の2つのコンピュータビジョンタスクをベンチマークした。
  論文  参考訳（メタデータ） (2022-06-16T20:43:26Z)
• Intelligent Masking: Deep Q-Learning for Context Encoding in Medical Image Analysis [48.02011627390706]
  我々は,対象地域を排除し,事前訓練の手順を改善する,新たな自己指導型アプローチを開発した。 予測モデルに対してエージェントを訓練することで、下流の分類タスクで抽出した意味的特徴を大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2022-03-25T19:05:06Z)
• Mammograms Classification: A Review [0.0]
  マンモグラム画像はコンピュータ支援診断システムの開発に利用されてきた。 研究者たちは、人工知能が病気の早期発見に利用できることを証明した。
  論文  参考訳（メタデータ） (2022-03-04T19:22:35Z)
• 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)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• 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)
• A Multi-Stage Attentive Transfer Learning Framework for Improving COVID-19 Diagnosis [49.3704402041314]
  新型コロナの診断を改善するための多段階集中移動学習フレームワークを提案する。 提案するフレームワークは、複数のソースタスクと異なるドメインのデータから知識を学習し、正確な診断モデルを訓練する3つの段階からなる。 本稿では,肺CT画像のマルチスケール表現を学習するための自己教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2021-01-14T01:39:19Z)
• 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)

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。