論文の概要: Deep Learning Based Computer-Aided Systems for Breast Cancer Imaging : A Critical Review

• arxiv url: http://arxiv.org/abs/2010.00961v1
• Date: Wed, 30 Sep 2020 18:41:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 00:29:26.069826
• Title: Deep Learning Based Computer-Aided Systems for Breast Cancer Imaging : A Critical Review
• Title（参考訳）: 深層学習による乳癌画像診断支援システム : 批判的レビュー
• Authors: Yuliana Jim\'enez-Gaona, Mar\'ia Jos\'e Rodr\'iguez-\'Alvarez and Vasudevan Lakshminarayanan
• Abstract要約: このレビューは、過去10年間に出版された文献(2010年1月、2020年1月)に基づいている。 分類過程における主な知見は,新しいDL-CAD法が乳癌に対する有用かつ効果的なスクリーニングツールであることである。
• 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: This paper provides a critical review of the literature on deep learning applications in breast tumor diagnosis using ultrasound and mammography images. It also summarizes recent advances in computer-aided diagnosis (CAD) systems, which make use of new deep learning methods to automatically recognize images and improve the accuracy of diagnosis made by radiologists. This review is based upon published literature in the past decade (January 2010 January 2020). The main findings in the classification process reveal that new DL-CAD methods are useful and effective screening tools for breast cancer, thus reducing the need for manual feature extraction. The breast tumor research community can utilize this survey as a basis for their current and future studies.
• Abstract（参考訳）: 本稿では,超音波およびマンモグラフィー画像を用いた乳癌診断における深層学習の応用に関する文献的考察を行う。 また,画像を自動的に認識し,放射線技師による診断精度を向上させるための新しい深層学習手法を応用したコンピュータ支援診断システム(CAD)の最近の進歩を要約した。 このレビューは、過去10年間の出版文献(2010年1月)に基づいている。 分類過程における主な知見は,新しいDL-CAD法が乳癌のスクリーニングツールとして有用であり,手動による特徴抽出の必要性が軽減されたことである。 乳腺腫瘍研究コミュニティは、この調査を現在および将来の研究の基礎として活用することができる。

関連論文リスト

• Post-Hoc Explainability of BI-RADS Descriptors in a Multi-task Framework for Breast Cancer Detection and Segmentation [48.08423125835335]
  MT-BI-RADSは乳房超音波(BUS)画像における腫瘍検出のための新しい深層学習手法である。 放射線科医が腫瘍の悪性度を予測するための意思決定プロセスを理解するための3つのレベルの説明を提供する。
  論文  参考訳（メタデータ） (2023-08-27T22:07:42Z)
• Deep Learning in Breast Cancer Imaging: A Decade of Progress and Future Directions [28.334385132025822]
  乳がんは2020年以降、世界中のすべての悪性腫瘍の中で最高率に達している。 深層学習は乳がん画像解析において顕著な進歩を見せている。 画像ベーススクリーニング,診断,治療反応予測,予後予測における主要なディープラーニング手法と応用について考察した。
  論文  参考訳（メタデータ） (2023-04-13T16:50:31Z)
• Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
  深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。 我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。 提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-11-10T03:02:12Z)
• Machine learning approaches for COVID-19 detection from chest X-ray imaging: A Systematic Review [31.21638091772227]
  胸部X線画像の評価を支援するため,機械学習アルゴリズムが提案されている。 胸部X線画像を用いた新型コロナウイルス検出に応用したMLの体系的レビューを行った。
  論文  参考訳（メタデータ） (2022-06-11T21:17:42Z)
• 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)
• BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer Diagnosis in Breast Ultrasound Images [69.41441138140895]
  本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。 提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。 臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
  論文  参考訳（メタデータ） (2021-10-05T19:14:46Z)
• Machine Learning Methods for Histopathological Image Analysis: A Review [62.14548392474976]
  病理組織像 (HIs) は癌診断における腫瘍の種類を評価するための金の基準である。 このような分析を高速化する方法の1つは、コンピュータ支援診断(CAD)システムを使用することである。
  論文  参考訳（メタデータ） (2021-02-07T19:12:32Z)
• 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)
• Discriminative Localized Sparse Representations for Breast Cancer Screening [0.0]
  乳がんの早期発見と診断は、その死亡率を低下させ、生活の質を向上させる可能性がある。 CAD(Computer-Aided Detection)とCAD(Computer-Aided diagnosis)技術は,人間の読影の負担を軽減することを約束している。 スパース解析技術は、画像パターンを表現および認識するための関連する結果を生み出している。
  論文  参考訳（メタデータ） (2020-11-20T04:15:17Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)
• 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。