論文の概要: On segmentation of pectoralis muscle in digital mammograms by means of
deep learning
- arxiv url: http://arxiv.org/abs/2008.12904v1
- Date: Sat, 29 Aug 2020 03:38:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 17:30:45.571478
- Title: On segmentation of pectoralis muscle in digital mammograms by means of
deep learning
- Title（参考訳）: 深層学習による乳房筋のデジタルマンモグラムにおけるセグメンテーションについて
- Authors: Hossein Soleimani and Oleg V.Michailovich
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.7114784273243784
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computer-aided diagnosis (CAD) has long become an integral part of
radiological management of breast disease, facilitating a number of important
clinical applications, including quantitative assessment of breast density and
early detection of malignancies based on X-ray mammography. Common to such
applications is the need to automatically discriminate between breast tissue
and adjacent anatomy, with the latter being predominantly represented by
pectoralis major (or pectoral muscle). Especially in the case of mammograms
acquired in the mediolateral oblique (MLO) view, the muscle is easily
confusable with some elements of breast anatomy due to their morphological and
photometric similarity. As a result, the problem of automatic detection and
segmentation of pectoral muscle in MLO mammograms remains a challenging task,
innovative approaches to which are still required and constantly searched for.
To address this problem, the present paper introduces a two-step segmentation
strategy based on a combined use of data-driven prediction (deep learning) and
graph-based image processing. In particular, the proposed method employs a
convolutional neural network (CNN) which is designed to predict the location of
breast-pectoral boundary at different levels of spatial resolution.
Subsequently, the predictions are used by the second stage of the algorithm, in
which the desired boundary is recovered as a solution to the shortest path
problem on a specially designed graph. The proposed algorithm has been tested
on three different datasets (i.e., MIAS, CBIS-DDSm and InBreast) using a range
of quantitative metrics. The results of comparative analysis show considerable
improvement over state-of-the-art, while offering the possibility of model-free
and fully automatic processing.
- Abstract（参考訳）: コンピュータ支援診断 (CAD) は長い間, 乳腺疾患の放射線学的管理において重要な役割を担い, 乳房密度の定量的評価やX線マンモグラフィーによる悪性腫瘍の早期発見など, 数多くの重要な臨床応用に寄与してきた。
このような応用に共通しているのは、乳腺組織と隣接する解剖組織を自動で識別する必要性であり、後者は胸筋(または胸筋)によって主に表される。
特に中側方斜視(MLO)で得られたマンモグラムでは, 形態的, 光学的類似性から, 胸部解剖学的要素と容易に相違する。
その結果,MLOマンモグラムにおける胸部筋の自動検出・分節化の問題は,いまだ必要であり,常に検索される革新的なアプローチである。
そこで本研究では,データ駆動予測(深層学習)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。
特に,胸壁境界の位置を空間分解能の異なるレベルで予測するために,畳み込みニューラルネットワーク(CNN)を用いた。
その後、予測はアルゴリズムの第2段階によって行われ、特別に設計されたグラフ上の最短経路問題の解として所望の境界が回復される。
提案アルゴリズムは、3つの異なるデータセット(MIAS, CBIS-DDSm, InBreast)で、様々な定量値を用いてテストされている。
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。
関連論文リスト
- Intelligent Breast Cancer Diagnosis with Heuristic-assisted
Trans-Res-U-Net and Multiscale DenseNet using Mammogram Images [0.0]
乳癌(BC)は、女性のがん関連死亡率に大きく寄与する。
悪性の腫瘤を正確に識別することは 依然として困難です
マンモグラフィ画像を用いたBCGスクリーニングのための新しい深層学習手法を提案する。
論文 参考訳（メタデータ） (2023-10-30T10:22:14Z) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳（メタデータ） (2023-03-07T09:40:22Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Learned super resolution ultrasound for improved breast lesion
characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。
この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。
トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文 参考訳（メタデータ） (2021-07-12T09:04:20Z) - 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) - 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) - Automatic elimination of the pectoral muscle in mammograms based on
anatomical features [0.0]
デジタルマンモグラフィー検査は、ヒト乳癌組織の異常を早期に検出する最も一般的な手法である。
胸部筋の存在は乳腺病変の検出に影響を及ぼす可能性がある。
この問題に対処するための解剖学的特徴に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2020-08-17T20:36:46Z) - Dual Convolutional Neural Networks for Breast Mass Segmentation and
Diagnosis in Mammography [18.979126709943085]
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。
論文 参考訳（メタデータ） (2020-08-07T02:23:36Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z) - 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) - Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。
提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
論文 参考訳（メタデータ） (2020-02-03T22:25:01Z)
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。