論文の概要: Convolution Neural Networks for diagnosing colon and lung cancer histopathological images

• arxiv url: http://arxiv.org/abs/2009.03878v1
• Date: Tue, 8 Sep 2020 17:36:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 21:40:17.596352
• Title: Convolution Neural Networks for diagnosing colon and lung cancer histopathological images
• Title（参考訳）: 畳み込みニューラルネットワークによる大腸癌および肺癌病理像の診断
• Authors: Sanidhya Mangal, Aanchal Chaurasia and Ayush Khajanchi
• Abstract要約: 本研究の目的は, 肺扁平上皮癌および肺腺癌および結腸腺癌を畳み込み神経ネットワークを用いて診断するためのコンピュータ支援診断システムを提案することである。 クラス毎に5000枚の画像を含むLC25000データセットから、合計2500枚のデジタル画像が取得された。 診断精度は97%以上,96%以上であった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Lung and Colon cancer are one of the leading causes of mortality and morbidity in adults. Histopathological diagnosis is one of the key components to discern cancer type. The aim of the present research is to propose a computer aided diagnosis system for diagnosing squamous cell carcinomas and adenocarcinomas of lung as well as adenocarcinomas of colon using convolutional neural networks by evaluating the digital pathology images for these cancers. Hereby, rendering artificial intelligence as useful technology in the near future. A total of 2500 digital images were acquired from LC25000 dataset containing 5000 images for each class. A shallow neural network architecture was used classify the histopathological slides into squamous cell carcinomas, adenocarcinomas and benign for the lung. Similar model was used to classify adenocarcinomas and benign for colon. The diagnostic accuracy of more than 97% and 96% was recorded for lung and colon respectively.
• Abstract（参考訳）: 肺がんと結腸がんは、成人の死亡と死に至る主要な原因の1つである。 病理組織学的診断は癌型を識別する重要な要素の1つである。 本研究の目的は,コンボリューションニューラルネットワークを用いた肺扁平上皮癌,肺腺癌,大腸腺癌を診断するためのコンピュータ診断システムを提案することである。 ここでは、近い将来、人工知能を有用な技術として表現する。 クラス毎に5000の画像を含むlc25000データセットから、合計2500のデジタル画像が取得された。 病理組織学的スライドを肺扁平上皮癌,腺癌,良性癌に分類した。 同様のモデルを用いて大腸腺癌の分類を行った。 肺と結腸の診断精度は97%以上,96%以上であった。

関連論文リスト

• Using VGG16 Algorithms for classification of lung cancer in CT scans Image [0.0]
  VGG16と呼ばれる深層学習アルゴリズムは、がんの結節の診断と分類を支援するために開発された。 VGG16は悪性、良性、健康な患者のがんの医療像を分類することができる。
  論文  参考訳（メタデータ） (2023-05-27T18:50:12Z)
• A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
  Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。 Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
  論文  参考訳（メタデータ） (2023-04-12T05:41:44Z)
• Histopathological Imaging Classification of Breast Tissue for Cancer Diagnosis Support Using Deep Learning Models [0.0]
  ヘマトキシリンとエオシンはがん診断における金の標準であると考えられている。 病理画像(WSI)を複数のパッチに分割するアイデアに基づいて,左から右へスライドし,上から下へスライドするウィンドウ[512,512]を,400イメージのデータセット上の拡張データに対して,各スライディングステップが50%重なり合うように使用した。 EffficientNetモデルは、高解像度の画像のトレーニングに適した、固定されたスケーリング要素のセットで、ネットワークの幅、深さ、解像度を均一にスケーリングする、最近開発されたモデルである。
  論文  参考訳（メタデータ） (2022-07-03T13:56:44Z)
• Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
  胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。 本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
  論文  参考訳（メタデータ） (2022-02-17T08:33:52Z)
• AI-based Carcinoma Detection and Classification Using Histopathological Images: A Systematic Review [8.355946670746413]
  癌の亜型であり、全がん症例の80%以上を占める。 多くの研究者が癌の検出と分類を自動化する方法を報告している。 癌診断の自動化における人工知能の利用の増加は、ディープ・ネットワーク・モデルの使用の著しい増加を示している。
  論文  参考訳（メタデータ） (2022-01-18T12:03:09Z)
• Classification of Histopathology Images of Lung Cancer Using Convolutional Neural Network (CNN) [0.2578242050187029]
  がんは人体内の異常な細胞の制御不能な細胞分裂であり、他の臓器に拡がることがある。 非感染性疾患(NCD)の1つであり、NCDは全世界で死者の71%を占めている。 乳癌は女性乳癌に次いで2番目に多いがんである。肺癌の生存率は19%に過ぎない。
  論文  参考訳（メタデータ） (2021-12-27T07:43:58Z)
• 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)
• Predicting invasive ductal carcinoma using a Reinforcement Sample Learning Strategy using Deep Learning [0.951828574518325]
  浸潤性管癌の死因は女性で2番目に多い。 特定のマンモグラフィーの像の明瞭度や構造が変化しているため、がんの特徴を観察することは困難である。 本稿では乳房マンモグラフィー画像に畳み込みニューラルネットワークを新たに利用する腫瘍分類アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-05-26T14:14:45Z)
• 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)
• Gleason Grading of Histology Prostate Images through Semantic Segmentation via Residual U-Net [60.145440290349796]
  前立腺癌の最終診断は、病理学者による前立腺生検におけるGleasonパターンの視覚的検出に基づいている。 コンピュータ支援診断システムは、組織内のがんのパターンを分類し分類することができる。 この研究の方法論的核心は、がん組織を分節できる残留ブロックで修正された画像分割のためのU-Net畳み込みニューラルネットワークである。
  論文  参考訳（メタデータ） (2020-05-22T19:49:10Z)
• Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors [72.65802386845002]
  本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。 我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。 我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
  論文  参考訳（メタデータ） (2020-04-04T21:21:44Z)

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。