論文の概要: Feature based Sequential Classifier with Attention Mechanism
- arxiv url: http://arxiv.org/abs/2007.11392v1
- Date: Wed, 22 Jul 2020 12:54:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 22:30:15.093271
- Title: Feature based Sequential Classifier with Attention Mechanism
- Title（参考訳）: 注意機構を有する特徴ベースシーケンス分類器
- Authors: Sudhir Sornapudi, R. Joe Stanley, William V. Stoecker, Rodney Long,
Zhiyun Xue, Rosemary Zuna, Shelliane R. Frazier, Sameer Antani
- Abstract要約: 病理組織学的スライスを用いた骨盤内上皮内腫瘍評価は, 骨盤間変動が考慮される。
本稿では,高分解能上皮像を階層的に解析するネットワークパイプラインであるDeepCINを提案する。
実験により、DeepCINは病理学レベルのCIN分類精度を達成することが示された。
- 参考スコア（独自算出の注目度）: 0.7123982871971924
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cervical cancer is one of the deadliest cancers affecting women globally.
Cervical intraepithelial neoplasia (CIN) assessment using histopathological
examination of cervical biopsy slides is subject to interobserver variability.
Automated processing of digitized histopathology slides has the potential for
more accurate classification for CIN grades from normal to increasing grades of
pre-malignancy: CIN1, CIN2 and CIN3. Cervix disease is generally understood to
progress from the bottom (basement membrane) to the top of the epithelium. To
model this relationship of disease severity to spatial distribution of
abnormalities, we propose a network pipeline, DeepCIN, to analyze
high-resolution epithelium images (manually extracted from whole-slide images)
hierarchically by focusing on localized vertical regions and fusing this local
information for determining Normal/CIN classification. The pipeline contains
two classifier networks: 1) a cross-sectional, vertical segment-level sequence
generator (two-stage encoder model) is trained using weak supervision to
generate feature sequences from the vertical segments to preserve the
bottom-to-top feature relationships in the epithelium image data; 2) an
attention-based fusion network image-level classifier predicting the final CIN
grade by merging vertical segment sequences. The model produces the CIN
classification results and also determines the vertical segment contributions
to CIN grade prediction. Experiments show that DeepCIN achieves
pathologist-level CIN classification accuracy.
- Abstract（参考訳）: 子宮頸癌は世界規模で女性に影響を及ぼす最も致命的な癌の1つである。
頸部生検スライドの病理組織学的検討を用いた頚椎上皮内腫瘍症(cin)の評価は,異物間変動の対象となる。
デジタル組織学スライドの自動処理は、正常なCINグレードをCIN1、CIN2、CIN3の順に分類する可能性がある。
子宮頸部疾患は一般的に底部(基膜)から上皮の上部まで進行していると理解されている。
この病気の重症度と異常の空間分布の関係をモデル化するため,ネットワークパイプラインであるDeepCINを提案し,局所垂直領域に着目して高分解能上皮画像(全スライディング画像から手動抽出)を階層的に解析し,局所情報を融合して正常/CIN分類を決定する。
パイプラインには2つの分類器ネットワークがある。
1) 横断的な垂直セグメントレベルのシーケンス生成装置(2段階エンコーダモデル)を、低監督を用いて訓練し、垂直セグメントから特徴系列を生成して、上皮画像データにおける底面と上部の特徴関係を保存する。
2)垂直セグメントシーケンスをマージして最終CINグレードを予測する注意型融合ネットワーク画像レベル分類器。
このモデルはCIN分類結果を生成し、CINグレード予測に対する垂直セグメントの寄与も決定する。
実験により、DeepCINは病理学レベルのCIN分類精度を達成することが示された。
関連論文リスト
- Deep Learning Descriptor Hybridization with Feature Reduction for Accurate Cervical Cancer Colposcopy Image Classification [0.9374652839580183]
本稿では,様々なディープラーニング記述子の強度と適切な特徴正規化を組み合わせたコンピュータ支援診断(CAD)システムを提案する。
本手法は,通常の分類と型分類の両方において,97%-100%の範囲での例外的な性能を実現する。
論文 参考訳（メタデータ） (2024-05-01T06:05:13Z) - A Novel Dataset and a Deep Learning Method for Mitosis Nuclei
Segmentation and Classification [10.960222475663006]
ミトコンドリア核数(Mitosis nuclear count)は乳癌の病理診断における重要な指標の1つである。
そこで本研究では,SCMitosisという2段階のミトーシスセグメンテーションと分類法を提案する。
提案モデルはICPR 2012データセット上で検証され、最高Fスコア値は0.8687である。
論文 参考訳（メタデータ） (2022-12-27T08:12:42Z) - A Pathologist-Informed Workflow for Classification of Prostate Glands in
Histopathology [62.997667081978825]
病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。
がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。
本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
論文 参考訳（メタデータ） (2022-09-27T14:08:19Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - ReCasNet: Improving consistency within the two-stage mitosis detection
framework [5.263015177621435]
既存のアプローチでは、潜在的な有糸分裂細胞の位置を特定するための検出ステージと、予測信頼性を精査するための分類ステージという、2段階のパイプラインが使用されている。
このパイプライン定式化は、検出段階の予測品質の低下と、トレーニングデータ分布のミスマッチによる分類段階の不整合につながる可能性がある。
Refine Cascade Network(ReCasNet)は,先述した問題を3つの改善で軽減する,拡張されたディープラーニングパイプラインである。
論文 参考訳（メタデータ） (2022-02-28T16:03:14Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-24T18:58:40Z) - Edge-competing Pathological Liver Vessel Segmentation with Limited
Labels [61.38846803229023]
病理画像からのMVI検出に適したアルゴリズムはまだ存在しない。
本報告では, 血管, MVI, および腫瘍のグレードをラベルとした522枚のスライド画像を含む, 初めて病理組織学的肝画像データセットを収集する。
本稿では,2つのエッジセグメンテーション・ネットワークと2つのエッジセグメンテーション・ディミネータを含むエッジコンペティング・コンテナ・ネットワーク(EVS-Net)を提案する。
論文 参考訳（メタデータ） (2021-08-01T07:28:32Z) - Intrapapillary Capillary Loop Classification in Magnification Endoscopy:
Open Dataset and Baseline Methodology [8.334256673330879]
我々は静止画やビデオフレームを正常または異常と分類できるコンピュータ支援検出システムを構築した。
114の患者ビデオから抽出された68Kバイナリラベルフレームを含む新しいベンチマークデータセットを紹介します。
提案手法は, 臨床医12名による94.7 %に対して, 平均91.7 %の精度を示した。
論文 参考訳（メタデータ） (2021-02-19T14:55:21Z) - C-Net: A Reliable Convolutional Neural Network for Biomedical Image
Classification [6.85316573653194]
生体医用画像の分類を行うために,C-Netと呼ばれる複数のネットワークの結合からなる新しい畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。
C-Netモデルは、両方のデータセットの個々のメトリクスにおける他のモデルよりも優れており、誤分類はゼロである。
論文 参考訳（メタデータ） (2020-10-30T20:03:20Z) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳（メタデータ） (2020-04-22T07:30:56Z)
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。