論文の概要: Proposing method to Increase the detection accuracy of stomach cancer
based on colour and lint features of tongue using CNN and SVM
- arxiv url: http://arxiv.org/abs/2011.09962v1
- Date: Wed, 18 Nov 2020 12:06:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 04:02:20.857489
- Title: Proposing method to Increase the detection accuracy of stomach cancer
based on colour and lint features of tongue using CNN and SVM
- Title（参考訳）: CNNとSVMを用いた舌の色とリントの特徴に基づく胃癌の検出精度を高める方法の提案
- Authors: Elham Gholami, Seyed Reza Kamel Tabbakh, Maryam Kheirabadi
- Abstract要約: 舌の領域は、まず、深いRCNNカラーブラック Recursive Convolutional Neural Network (R-CNN)カラーブラックによって、顔画像から分離される。
以上の結果から, 提案法は舌の面積だけでなく, 非患者からの患者も正確に識別できることがわかった。
- 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: Today, gastric cancer is one of the diseases which affected many people's
life. Early detection and accuracy are the main and crucial challenges in
finding this kind of cancer. In this paper, a method to increase the accuracy
of the diagnosis of detecting cancer using lint and colour features of tongue
based on deep convolutional neural networks and support vector machine is
proposed. In the proposed method, the region of tongue is first separated from
the face image by {deep RCNN} \color{black} Recursive Convolutional Neural
Network (R-CNN) \color{black}. After the necessary preprocessing, the images to
the convolutional neural network are provided and the training and test
operations are triggered. The results show that the proposed method is
correctly able to identify the area of the tongue as well as the patient's
person from the non-patient. Based on experiments, the DenseNet network has the
highest accuracy compared to other deep architectures. The experimental results
show that the accuracy of this network for gastric cancer detection reaches 91%
which shows the superiority of method in comparison to the state-of-the-art
methods.
- Abstract（参考訳）: 現在、胃癌は多くの人の生活に影響を及ぼす病気の1つである。
早期発見と精度は、この種のがんを見つける上で主要な、そして重要な課題である。
本稿では,ディープ畳み込みニューラルネットワークとサポートベクターマシンを用いて,lintを用いた癌診断の精度を向上させる手法と舌の色特徴について述べる。
提案手法では,まず,深度RCNN} \color{black} Recursive Convolutional Neural Network (R-CNN) \color{black} を用いて,顔画像から舌領域を分離する。
必要な前処理後、畳み込みニューラルネットワークへの画像が提供され、トレーニングおよびテスト操作が起動される。
以上の結果から, 提案法は舌の面積だけでなく, 非患者からの患者も正確に識別できることがわかった。
実験によれば、密度ネットネットワークは他のディープアーキテクチャよりも高い精度を持つ。
実験の結果, 胃癌検出のためのネットワークの精度は91%に達し, 最先端の手法と比較して, 方法の優位性を示した。
関連論文リスト
- ResNet101 and DAE for Enhance Quality and Classification Accuracy in Skin Cancer Imaging [0.0]
本稿では,ResNet101を用いて,Deep Autoencoder (DAE) という,革新的な畳み込み型アンサンブルネットワーク手法を提案する。
この方法は、畳み込みに基づくディープニューラルネットワークを用いて皮膚がんを検出する。
精度96.03%、精度95.40%、リコール96.05%、F測定0.9576、AUC0.98である。
論文 参考訳（メタデータ） (2024-03-21T09:07:28Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - Convolutional neural network based on transfer learning for breast
cancer screening [0.0]
本稿では, 超音波画像から乳がんを正確に同定するために, 深部畳み込みニューラルネットワークに基づくアルゴリズムを提案する。
537 Benign, 360 malignant, 133 normal image の胸部超音波データセットを用いていくつかの実験を行った。
k-foldクロスバリデーションとバッグアンサンブルを用いて、99.5%の精度と99.6%の感度を実現した。
論文 参考訳（メタデータ） (2021-12-22T02:27:12Z) - CNN Filter Learning from Drawn Markers for the Detection of Suggestive
Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。
少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。
本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文 参考訳（メタデータ） (2021-11-16T15:03:42Z) - BCNet: A Deep Convolutional Neural Network for Breast Cancer Grading [0.0]
近年、深層学習は科学の様々な分野、特に医学で広く採用されている。
乳がん検出問題では、異なるデータセット上で様々なディープラーニング技術が開発され、精度が向上した。
論文 参考訳（メタデータ） (2021-07-11T12:55:33Z) - 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) - Deep learning for COVID-19 diagnosis based feature selection using
binary differential evolution algorithm [1.332091725929965]
新型コロナウイルスは急速に普及しており、多くの人々の命を奪っている。
深層畳み込みニューラルネットワークは、画像の分類に強力なツールである。
提案手法は,X線画像を用いた新型コロナウイルス検出の最近の研究より優れていることが示された。
論文 参考訳（メタデータ） (2021-04-15T07:12:58Z) - Colorectal Cancer Segmentation using Atrous Convolution and Residual
Enhanced UNet [0.5353034688884528]
本研究では,従来のフィルタ以外に,多孔性畳み込みと残存接続を用いたCNN方式を提案する。
提案するatresunetはdice係数0.748の大腸癌分画のための digestpath 2019 challengeデータセットでトレーニングされた。
論文 参考訳（メタデータ） (2021-03-16T19:20:20Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - Spatio-spectral deep learning methods for in-vivo hyperspectral
laryngeal cancer detection [49.32653090178743]
頭頸部腫瘍の早期発見は患者の生存に不可欠である。
ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。
HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
論文 参考訳（メタデータ） (2020-04-21T17:07:18Z) - UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional
Variational Autoencoders [81.5490760424213]
データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。
そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
論文 参考訳（メタデータ） (2020-04-13T04:12:59Z)
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。