論文の概要: Using Machine Learning to Automate Mammogram Images Analysis
- arxiv url: http://arxiv.org/abs/2012.03151v2
- Date: Sat, 13 Feb 2021 18:11:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-22 10:09:08.105573
- Title: Using Machine Learning to Automate Mammogram Images Analysis
- Title（参考訳）: 機械学習によるマンモグラム画像解析の自動化
- Authors: Xuejiao Tang, Liuhua Zhang, Wenbin Zhang, Xin Huang, Vasileios
Iosifidis, Zhen Liu, Mingli Zhang, Enza Messina and Ji Zhang
- Abstract要約: X線マンモグラフィーによる乳がんの早期発見は死亡率を効果的に低下させたと考えられている。
マンモグラム画像を処理するコンピュータ支援自動マンモグラム解析システムを提案し, 正常または癌として自動的に識別する。
- 参考スコア（独自算出の注目度）: 12.19801103274363
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Breast cancer is the second leading cause of cancer-related death after lung
cancer in women. Early detection of breast cancer in X-ray mammography is
believed to have effectively reduced the mortality rate. However, a relatively
high false positive rate and a low specificity in mammography technology still
exist. In this work, a computer-aided automatic mammogram analysis system is
proposed to process the mammogram images and automatically discriminate them as
either normal or cancerous, consisting of three consecutive image processing,
feature selection, and image classification stages. In designing the system,
the discrete wavelet transforms (Daubechies 2, Daubechies 4, and Biorthogonal
6.8) and the Fourier cosine transform were first used to parse the mammogram
images and extract statistical features. Then, an entropy-based feature
selection method was implemented to reduce the number of features. Finally,
different pattern recognition methods (including the Back-propagation Network,
the Linear Discriminant Analysis, and the Naive Bayes Classifier) and a voting
classification scheme were employed. The performance of each classification
strategy was evaluated for sensitivity, specificity, and accuracy and for
general performance using the Receiver Operating Curve. Our method is validated
on the dataset from the Eastern Health in Newfoundland and Labrador of Canada.
The experimental results demonstrated that the proposed automatic mammogram
analysis system could effectively improve the classification performances.
- Abstract（参考訳）: 乳癌は、女性における肺癌の2番目の死因である。
X線マンモグラフィーによる乳癌の早期発見は死亡率を効果的に低下させたと考えられている。
しかし、比較的高い偽陽性率と、マンモグラフィ技術の特異性は依然として残っている。
本研究では,コンピュータ支援によるマンモグラム自動解析システムを提案し,マンモグラム画像を3つの連続画像処理,特徴選択,画像分類段階からなる正常または癌のいずれかとして自動的に識別する。
システムの設計において、離散ウェーブレット変換 (daubechies 2, daubechies 4, biorthogonal 6.8) とフーリエコサイン変換 (fourier cosine transform) は、最初にマンモグラム画像を解析し、統計的特徴を抽出するために用いられた。
次に,エントロピーに基づく特徴選択手法を実装し,特徴量を削減する。
最後に,異なるパターン認識手法(バックプロパゲーションネットワーク,線形判別分析,ナイーブベイズ分類器を含む)と投票分類方式を採用した。
各分類戦略の性能は感度,特異性,精度,および受信器操作曲線を用いた一般性能について評価した。
本手法は,カナダ・ニューファンドランド州東部保健部とラブラドール州のデータセットを用いて検証した。
実験の結果,提案したマンモグラム自動解析システムは分類性能を効果的に向上できることが示された。
関連論文リスト
- Breast Cancer Diagnosis Using Machine Learning Techniques [0.8528384027684192]
マンモグラフィーは乳癌検診の基準技術である。
多くの国では、経済的、社会的、文化的問題のために、まだマンモグラムへのアクセスがない。
論文 参考訳（メタデータ） (2023-05-04T01:07:36Z) - 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) - 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) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳（メタデータ） (2022-02-27T02:19:09Z) - 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) - 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) - 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) - Research on the Detection Method of Breast Cancer Deep Convolutional
Neural Network Based on Computer Aid [0.0]
本論文では,コンピュータベースの特徴融合畳み込みニューラルネットワーク乳癌画像分類と検出法を提案する。
乳がん画像データセットの分類におけるこの方法の精度は89%であり、乳がん画像の分類精度は従来の方法と比較して有意に改善されている。
論文 参考訳（メタデータ） (2021-04-23T12:03:53Z) - 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) - 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)
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。