論文の概要: Discriminative Localized Sparse Representations for Breast Cancer Screening

• arxiv url: http://arxiv.org/abs/2011.10201v1
• Date: Fri, 20 Nov 2020 04:15:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 06:26:48.013056
• Title: Discriminative Localized Sparse Representations for Breast Cancer Screening
• Title（参考訳）: 乳癌検診における鑑別的局所スパース表現
• Authors: Sokratis Makrogiannis and Chelsea E. Harris and Keni Zheng
• Abstract要約: 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。
• 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: Breast cancer is the most common cancer among women both in developed and developing countries. Early detection and diagnosis of breast cancer may reduce its mortality and improve the quality of life. Computer-aided detection (CADx) and computer-aided diagnosis (CAD) techniques have shown promise for reducing the burden of human expert reading and improve the accuracy and reproducibility of results. Sparse analysis techniques have produced relevant results for representing and recognizing imaging patterns. In this work we propose a method for Label Consistent Spatially Localized Ensemble Sparse Analysis (LC-SLESA). In this work we apply dictionary learning to our block based sparse analysis method to classify breast lesions as benign or malignant. The performance of our method in conjunction with LC-KSVD dictionary learning is evaluated using 10-, 20-, and 30-fold cross validation on the MIAS dataset. Our results indicate that the proposed sparse analyses may be a useful component for breast cancer screening applications.
• Abstract（参考訳）: 乳がんは、先進国と発展途上国の両方で女性の間で最も多いがんである。 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し,その結果の精度と再現性を向上させることを約束している。 スパース解析技術は、画像パターンの表現と認識に関連した結果を生み出している。 本研究では,LC-SLESA(空間的局所的アンサンブルスパース解析)のラベル一貫性を示す手法を提案する。 本研究は,乳腺病変を良性または悪性に分類するために,ブロックベーススパース分析法に辞書学習を適用した。 LC-KSVD辞書学習と組み合わせた手法の性能をMIASデータセット上で10倍,20倍,30倍のクロス検証を用いて評価した。 以上の結果から,乳がん検診にはスパース分析が有用である可能性が示唆された。

関連論文リスト

• Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
  本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。 本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
  論文  参考訳（メタデータ） (2024-05-23T07:03:38Z)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• Adversarially Robust Feature Learning for Breast Cancer Diagnosis [1.9060744600841881]
  敵対的なデータは、ディープラーニングアプリケーションの誤動作を引き起こす可能性がある。 本稿では, 乳がん診断の現実的応用のための, 対角的頑健な特徴学習法(ARFL)を提案する。
  論文  参考訳（メタデータ） (2024-02-13T20:02:34Z)
• 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)
• Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
  乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。 金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。 本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
  論文  参考訳（メタデータ） (2023-04-12T15:08:34Z)
• 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)
• Masked Video Modeling with Correlation-aware Contrastive Learning for Breast Cancer Diagnosis in Ultrasound [7.957750764582688]
  コンピュータ支援乳がん診断においてUSビデオを直接活用する先駆的アプローチを提案する。 マスク付きビデオモデリングをプリトランとして利用し、データセットのサイズや詳細なアノテーションへの依存を減らす。 実験の結果,提案手法は有望な分類性能を達成し,他の最先端手法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） (2022-08-21T13:23:32Z)
• Open-Set Recognition of Breast Cancer Treatments [91.3247063132127]
  オープンセット認識は、テストサンプルをトレーニングや"未知"から既知のクラスの1つに分類することで、分類タスクを一般化する 乳がん患者データに対して,画像データセットの最先端結果を実現するガウス混合変分オートエンコーダモデルを適用した。 より正確でロバストな分類結果が得られ,F1の平均値が24.5%上昇したばかりでなく,臨床環境への展開性の観点からも,オープンセット認識の再検討を行った。
  論文  参考訳（メタデータ） (2022-01-09T04:35:55Z)
• 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)
• 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)
• Learning from Suspected Target: Bootstrapping Performance for Breast Cancer Detection in Mammography [6.323318523772466]
  対象領域の選択と訓練を行う新しいサンプリング手順とともに,新しいトップ可能性損失を導入する。 まず,提案手法をプライベートな高密度マンモグラフィーデータセット上で検証する。 以上の結果から,本手法は偽陽性率を大幅に低減し,質量型癌検出では0.25倍の特異性を示した。
  論文  参考訳（メタデータ） (2020-03-01T09:04:24Z)

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。