論文の概要: Leveraging SLIC Superpixel Segmentation and Cascaded Ensemble SVM for Fully Automated Mass Detection In Mammograms

• arxiv url: http://arxiv.org/abs/2010.10340v1
• Date: Tue, 20 Oct 2020 15:02:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 06:28:45.178378
• Title: Leveraging SLIC Superpixel Segmentation and Cascaded Ensemble SVM for Fully Automated Mass Detection In Mammograms
• Title（参考訳）: マンモグラムにおけるSlic Superpixel SegmentationとCascaded Ensemble SVMの完全自動質量検出への応用
• Authors: Jaime Simarro, Zohaib Salahuddin, Ahmed Gouda, Anindo Saha
• Abstract要約: 本稿では, グレースケール線形フィルタを用いた形態的拡張を支援する厳密なセグメンテーション法を提案する。 サポートベクターマシン(SVM)の新しいカスケードアンサンブルは、クラス不均衡に効果的に対処し、重要な予測を提供するために使用される。
• 参考スコア（独自算出の注目度）: 1.7205106391379026
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identification and segmentation of breast masses in mammograms face complex challenges, owing to the highly variable nature of malignant densities with regards to their shape, contours, texture and orientation. Additionally, classifiers typically suffer from high class imbalance in region candidates, where normal tissue regions vastly outnumber malignant masses. This paper proposes a rigorous segmentation method, supported by morphological enhancement using grayscale linear filters. A novel cascaded ensemble of support vector machines (SVM) is used to effectively tackle the class imbalance and provide significant predictions. For True Positive Rate (TPR) of 0.35, 0.69 and 0.82, the system generates only 0.1, 0.5 and 1.0 False Positives/Image (FPI), respectively.
• Abstract（参考訳）: マンモグラムにおける乳房腫瘤の同定と分節化は, その形状, 輪郭, テクスチャ, 配向に関して悪性度が高度に変動していることから, 複雑な課題に直面している。 さらに、分類器は通常、正常な組織領域が悪性質量よりも圧倒的に多い領域候補において、高いクラス不均衡に悩まされる。 本稿では,灰色スケール線形フィルタを用いた形態素強化による厳密なセグメンテーション手法を提案する。 サポートベクターマシン(SVM)の新しいカスケードアンサンブルは、クラス不均衡に効果的に対処し、重要な予測を提供するために使用される。 真正率 (tpr) は 0.35, 0.69, 0.82 であり、それぞれ 0.1, 0.5, 1.0 の偽陽性/画像 (fpi) を生成する。

関連論文リスト

• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• Superficial White Matter Analysis: An Efficient Point-cloud-based Deep Learning Framework with Supervised Contrastive Learning for Consistent Tractography Parcellation across Populations and dMRI Acquisitions [68.41088365582831]
  ホワイトマターパーセレーション(White matter parcellation)は、トラクトグラフィーをクラスタまたは解剖学的に意味のあるトラクトに分類する。 ほとんどのパーセレーション法はディープホワイトマター(DWM)にフォーカスするが、その複雑さのため表面ホワイトマター(SWM)に対処する手法は少ない。 本稿では,2段階の深層学習に基づく新しいフレームワークであるSuperficial White Matter Analysis (SupWMA)を提案する。
  論文  参考訳（メタデータ） (2022-07-18T23:07:53Z)
• Clustering and classification of low-dimensional data in explicit feature map domain: intraoperative pixel-wise diagnosis of adenocarcinoma of a colon in a liver [0.10152838128195464]
  本稿では,低次元データのヒルベルト空間内の低次元部分空間への近似的明示的特徴写像 (aEFM) 変換について検討する。 計算複雑性がわずかに増加すると、線形アルゴリズムは性能を改善し、解釈可能性を維持する。
  論文  参考訳（メタデータ） (2022-03-07T11:56:06Z)
• 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)
• 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)
• Multi-Scale Input Strategies for Medulloblastoma Tumor Classification using Deep Transfer Learning [59.30734371401316]
  乳腺芽腫は小児で最も多い悪性脳腫瘍である。 CNNはMBサブタイプ分類に有望な結果を示した。 タイルサイズと入力戦略の影響について検討した。
  論文  参考訳（メタデータ） (2021-09-14T09:42:37Z)
• Applying a random projection algorithm to optimize machine learning model for breast lesion classification [0.2970239953900422]
  悪性腫瘤を644例,良性病変を833例と確認した1,487例のマンモグラフィーを対象とする振り返りデータセットを構築した。 いくつかの特徴次元削減手法を組み込んだサポートベクターマシン(SVM)モデルを構築し,悪性病変の可能性を予測した。 SVMは、一視点マンモグラフィーに表される各セグメント化された質量領域の確率スコアを生成する。 2次元マンモグラムに表される同じ質量の2つのスコアを融合することにより、ケースベース確率スコアも評価する。
  論文  参考訳（メタデータ） (2020-09-09T21:27:27Z)
• 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)
• Synthesizing lesions using contextual GANs improves breast cancer classification on mammograms [0.4297070083645048]
  本稿では, マンモグラムの病変を現実的に合成し, 除去するデータ拡張のための, GANモデルを提案する。 自己注意と半教師付き学習コンポーネントにより、U-netベースのアーキテクチャは高解像度(256x256px)の出力を生成することができる。
  論文  参考訳（メタデータ） (2020-05-29T21:23:00Z)
• A Two-Stage Multiple Instance Learning Framework for the Detection of Breast Cancer in Mammograms [13.842620686759616]
  乳がんの大規模検診ではマンモグラムが一般的に用いられる。 画像レベルの悪性度検出のための2段階多段階学習フレームワークを提案する。 グローバルなイメージレベル機能は、CNNで学んだパッチレベル機能の重み付け平均として計算される。 画像レベルの分類では, 平均精度が0.76/0.80, 平均AUCが0.91であった。
  論文  参考訳（メタデータ） (2020-04-24T13:06:47Z)
• 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)

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。