論文の概要: Dual Convolutional Neural Networks for Breast Mass Segmentation and Diagnosis in Mammography

• arxiv url: http://arxiv.org/abs/2008.02957v2
• Date: Tue, 11 Aug 2020 22:04:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 01:57:16.972513
• Title: Dual Convolutional Neural Networks for Breast Mass Segmentation and Diagnosis in Mammography
• Title（参考訳）: マンモグラフィにおける乳房マスセグメンテーションと診断のための二重畳み込みニューラルネットワーク
• Authors: Heyi Li, Dongdong Chen, William H. Nailon, Mike E. Davies, and David Laurenson
• Abstract要約: 本稿では,マンモグラム画像処理のための新しいディープラーニングフレームワークを提案する。 本手法はデュアルパスアーキテクチャで構築され,そのマッピングをデュアルプロブレム方式で解決する。 実験の結果,DualCoreNetはマンモグラフィーのセグメンテーションと分類を同時に達成し,最近の最先端モデルよりも優れていることがわかった。
• 参考スコア（独自算出の注目度）: 18.979126709943085
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep convolutional neural networks (CNNs) have emerged as a new paradigm for Mammogram diagnosis. Contemporary CNN-based computer-aided-diagnosis (CAD) for breast cancer directly extract latent features from input mammogram image and ignore the importance of morphological features. In this paper, we introduce a novel deep learning framework for mammogram image processing, which computes mass segmentation and simultaneously predict diagnosis results. Specifically, our method is constructed in a dual-path architecture that solves the mapping in a dual-problem manner, with an additional consideration of important shape and boundary knowledge. One path called the Locality Preserving Learner (LPL), is devoted to hierarchically extracting and exploiting intrinsic features of the input. Whereas the other path, called the Conditional Graph Learner (CGL) focuses on generating geometrical features via modeling pixel-wise image to mask correlations. By integrating the two learners, both the semantics and structure are well preserved and the component learning paths in return complement each other, contributing an improvement to the mass segmentation and cancer classification problem at the same time. We evaluated our method on two most used public mammography datasets, DDSM and INbreast. Experimental results show that DualCoreNet achieves the best mammography segmentation and classification simultaneously, outperforming recent state-of-the-art models.
• Abstract（参考訳）: 深層畳み込みニューラルネットワーク(cnns)はマンモグラム診断の新しいパラダイムとして登場した。 乳がんに対するCNN-based computer-aided-diagnosis (CAD) は入力マンモグラム画像から直接潜伏する特徴を抽出し,形態学的特徴の重要性を無視する。 本稿では,マスセグメンテーションを計算し,診断結果を同時に予測する,マンモグラフィ画像処理のための新しいディープラーニングフレームワークを提案する。 具体的には、重要な形状と境界知識を付加的に考慮し、二重プロブレム方式でマッピングを解くデュアルパスアーキテクチャで構築する。 Locality Preserving Learner (LPL)と呼ばれる1つのパスは、入力の固有の特徴を階層的に抽出し、活用することを目的としている。 一方、Conditional Graph Learner(CGL)と呼ばれる他のパスは、ピクセルワイド画像からマスク相関をモデル化することで幾何学的特徴を生成することに焦点を当てている。 この2つの学習者を統合することにより、意味論と構造が良好に保存され、また、コンポーネント学習パスが相互補完され、集団分節化とがん分類問題を同時に改善する。 本手法はDDSMとINbreastの2つの公共マンモグラフィーデータセットを用いて評価した。 実験の結果,DualCoreNetはマンモグラフィーのセグメンテーションと分類を同時に達成し,最近の最先端モデルよりも優れていることがわかった。

関連論文リスト

• Tissue-Contrastive Semi-Masked Autoencoders for Segmentation Pretraining on Chest CT [10.40407976789742]
  胸部CT画像のモデリングのための組織コントラストセミマスクオートエンコーダ(TCS-MAE)と呼ばれるMIM法を提案する。 本手法は, 組織型マスキング再構成法により, より微細な解剖学的特徴を捉えるとともに, マスク画像とオリジナル画像との対比学習を施した二重AEアーキテクチャを設計した。
  論文  参考訳（メタデータ） (2024-07-12T03:24:17Z)
• LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical Imaging via Second-order Graph Matching [59.01894976615714]
  LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。 55の公開データセットから約13万の医療画像を収集しました。 LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
  論文  参考訳（メタデータ） (2023-06-20T22:21:34Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• Multi-View Hypercomplex Learning for Breast Cancer Screening [7.147856898682969]
  伝統的に、乳がん分類のための深層学習法は単一視点解析を行う。 放射線科医は マンモグラフィー検査を構成する4つのビューを 同時に分析します パラメータ化ハイパープレックスニューラルネットワークを用いた多視点乳がん分類法を提案する。
  論文  参考訳（メタデータ） (2022-04-12T13:32:31Z)
• Learning of Inter-Label Geometric Relationships Using Self-Supervised Learning: Application To Gleason Grade Segmentation [4.898744396854313]
  そこで本研究では,PCaの病理組織像に対して,異なる疾患ラベル間の幾何学的関係を学習して合成する方法を提案する。 我々はGleasonスコアを用いた弱教師付きセグメンテーション手法を用いて、疾患領域をセグメンテーションする。 得られたセグメンテーションマップは、行方不明のマスクセグメントを予測するためにShaRe-Net(ShaRe-Net)をトレーニングするために使用される。
  論文  参考訳（メタデータ） (2021-10-01T13:47:07Z)
• PSGR: Pixel-wise Sparse Graph Reasoning for COVID-19 Pneumonia Segmentation in CT Images [83.26057031236965]
  画像中の新型コロナウイルス感染領域セグメンテーションの長距離依存性のモデリングを強化するために,PSGRモジュールを提案する。 PSGRモジュールは不正確なピクセルからノードへの投影を回避し、グローバルな推論のために各ピクセル固有の情報を保存する。 このソリューションは、3つの公開データセット上の4つの広く使われているセグメンテーションモデルに対して評価されている。
  論文  参考訳（メタデータ） (2021-08-09T04:58:23Z)
• Act Like a Radiologist: Towards Reliable Multi-view Correspondence Reasoning for Mammogram Mass Detection [49.14070210387509]
  マンモグラム質量検出のための解剖学的グラフ畳み込みネットワーク(AGN)を提案する。 AGNはマンモグラムの質量検出用に調整されており、既存の検出手法を多視点推論能力で実現している。 2つの標準ベンチマークの実験によると、AGNは最先端のパフォーマンスを大幅に上回っている。
  論文  参考訳（メタデータ） (2021-05-21T06:48:34Z)
• Two layer Ensemble of Deep Learning Models for Medical Image Segmentation [0.2699900017799093]
  医用画像のセグメンテーションのための深層学習モデルの2層アンサンブルを提案する。 トレーニング画像の付加データとして、第1層の各モデルによって作成された各トレーニング画像画素の予測を用いる。 次に、各モデルが結合結果に異なる貢献をする重みに基づくスキームを用いて、第2層の予測を組み合わせる。
  論文  参考訳（メタデータ） (2021-04-10T16:52:34Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• On segmentation of pectoralis muscle in digital mammograms by means of deep learning [1.7114784273243784]
  本稿では,データ駆動予測とグラフベース画像処理を組み合わせた2段階のセグメンテーション戦略を提案する。 提案手法では,乳房-胸部境界の位置を予測するために,畳み込みニューラルネットワーク(CNN)を用いる。 比較分析の結果,最先端技術よりも大幅に改善され,モデルフリーで完全自動処理が可能となった。
  論文  参考訳（メタデータ） (2020-08-29T03:38:11Z)

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。