論文の概要: CancerNet-SCa: Tailored Deep Neural Network Designs for Detection of
Skin Cancer from Dermoscopy Images
- arxiv url: http://arxiv.org/abs/2011.10702v1
- Date: Sat, 21 Nov 2020 02:17:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-22 23:07:13.043594
- Title: CancerNet-SCa: Tailored Deep Neural Network Designs for Detection of
Skin Cancer from Dermoscopy Images
- Title（参考訳）: CancerNet-SCa:皮膚内視鏡画像から皮膚癌を検出するためのニューラルネットワーク設計
- Authors: James Ren Hou Lee, Maya Pavlova, Mahmoud Famouri, and Alexander Wong
- Abstract要約: 皮膚がんはアメリカ合衆国で最も頻繁に診断されるがんである。
本研究では,皮膚内視鏡画像から皮膚がんを検出するための深層神経回路の設計手法である CancerNet-SCa について紹介する。
- 参考スコア（独自算出の注目度）: 71.68436132514542
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Skin cancer continues to be the most frequently diagnosed form of cancer in
the U.S., with not only significant effects on health and well-being but also
significant economic costs associated with treatment. A crucial step to the
treatment and management of skin cancer is effective skin cancer detection due
to strong prognosis when treated at an early stage, with one of the key
screening approaches being dermoscopy examination. Motivated by the advances of
deep learning and inspired by the open source initiatives in the research
community, in this study we introduce CancerNet-SCa, a suite of deep neural
network designs tailored for the detection of skin cancer from dermoscopy
images that is open source and available to the general public as part of the
Cancer-Net initiative. To the best of the authors' knowledge, CancerNet-SCa
comprises of the first machine-designed deep neural network architecture
designs tailored specifically for skin cancer detection, one of which
possessing a self-attention architecture design with attention condensers.
Furthermore, we investigate and audit the behaviour of CancerNet-SCa in a
responsible and transparent manner via explainability-driven model auditing.
While CancerNet-SCa is not a production-ready screening solution, the hope is
that the release of CancerNet-SCa in open source, open access form will
encourage researchers, clinicians, and citizen data scientists alike to
leverage and build upon them.
- Abstract（参考訳）: 皮膚がんはアメリカ合衆国で最も頻繁に診断されるがんであり続けており、健康と幸福に重要な影響を及ぼすだけでなく、治療に関連する経済的コストも大きい。
皮膚癌の治療および管理における重要なステップは、早期に治療する際の強力な予後による効果的な皮膚がん検出であり、皮膚内視鏡検査における重要なスクリーニングアプローチの1つである。
深層学習の進歩に触発され,研究コミュニティのオープンソースイニシアチブに触発されたこの研究では,がん-ネットイニシアチブの一部として,オープンソースで一般公開されている皮膚内視鏡画像から皮膚がんを検出するための,深層ニューラルネットワークの設計スイートであるCancerNet-SCaを紹介した。
CancerNet-SCaは、皮膚がん検出に特化して設計された最初のマシン設計のディープニューラルネットワークアーキテクチャであり、そのうちの1つは注意凝縮器を備えた自己注意型アーキテクチャ設計である。
さらに,s cancernet-scaの挙動を,説明可能性に基づくモデル監査を通じて調査・監査する。
CancerNet-SCaは、プロダクション対応のスクリーニングソリューションではないが、オープンソースでCASENet-SCaがリリースされることで、研究者、臨床医、市民データサイエンティストがそれらを活用して構築できることを期待している。
関連論文リスト
- Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted
Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。
拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。
本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
論文 参考訳（メタデータ） (2023-11-30T15:11:03Z) - Double-Condensing Attention Condenser: Leveraging Attention in Deep Learning to Detect Skin Cancer from Skin Lesion Images [61.36288157482697]
皮膚がんはアメリカ合衆国で最も一般的な種類のがんであり、5人に1人のアメリカ人に影響を与えると推定されている。
近年の進歩は,SIIM-ISICメラノーマ分類チャレンジのアートパフォーマンスの状況から,皮膚がん検出に強い効果を示している。
本稿では,皮膚病変画像の皮膚癌検出に効率的な自己注意構造を活用し,皮膚病変画像からの皮膚癌検出をカスタマイズしたDC-ACを用いたディープニューラルネットワーク設計を提案する。
論文 参考訳（メタデータ） (2023-11-20T10:45:39Z) - Cancer-Net PCa-Data: An Open-Source Benchmark Dataset for Prostate
Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging
Data [75.77035221531261]
Cancer-Net PCa-Dataは、PCa患者の画像データであるボリュームCDI$s$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 PCa-Dataは、PCa用のCDI$s$画像データの最初の公開データセットである。
論文 参考訳（メタデータ） (2023-11-20T10:28:52Z) - 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) - 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) - Improving Precancerous Case Characterization via Transformer-based
Ensemble Learning [31.891340667123124]
自然言語処理のがん病理学報告への応用は、がん症例の検出に焦点が当てられている。
先天性腺腫のキャラクタリゼーションの改善は、早期がんの検出と予防のための診断試験の開発を支援する。
以上の結果から,NLPを用いて早期がん予防のための診断試験の開発を促進できる可能性が示唆された。
論文 参考訳（メタデータ） (2022-12-10T00:06:28Z) - AI-Decision Support System Interface Using Cancer Related Data for Lung
Cancer Prognosis [0.0]
2021年の初めまで、肺がんは世界で最も一般的ながんとして知られている。
この研究は、GDCデータポータル内の肺がんの臨床と遺伝子発現を用いて、予後を予測するための機械学習アルゴリズムと連携したWebインターフェースを作成することを目的としている。
論文 参考訳（メタデータ） (2021-05-19T10:22:37Z)
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。