論文の概要: Early Prediction and Diagnosis of Retinoblastoma Using Deep Learning Techniques

• arxiv url: http://arxiv.org/abs/2103.07622v1
• Date: Sat, 13 Mar 2021 05:37:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-18 02:44:56.785024
• Title: Early Prediction and Diagnosis of Retinoblastoma Using Deep Learning Techniques
• Title（参考訳）: 深層学習法による網膜芽細胞腫の早期診断
• Authors: C. Anand Deva Durai, T Jemima Jebaseeli, Salem Alelyani, Azath Mubharakali
• Abstract要約: この研究の主な影響は、網膜の腫瘍細胞を特定することである。 提案するシステムは,網膜芽細胞腫癌の正確な予測と診断を眼科医に支援する。 提案されたアプローチの貢献は、視力障害から幼児と成人の子供たちの命を救うことです。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Retinoblastoma is the most prominent childhood primary intraocular malignancy that impacts the vision of children and adults worldwide. In contrasting and comparing with adults it is uveal melanoma. It is an aggressive tumor that can fill and destroy the eye and the surrounding structures. Therefore early detection of retinoblastoma in childhood is the key. The major impact of the research is to identify the tumor cells in the retina. Also is to find out the stages of the tumor and its corresponding group. The proposed systems assist the ophthalmologists for accurate prediction and diagnosis of retinoblastoma cancer disease at the earliest. The contribution of the proposed approach is to save the life of infants and the grown-up children from vision impairment. The proposed methodology consists of three phases namely, preprocessing, segmentation, and classification. Initially, the fundus images are preprocessed using the Liner Predictive Decision based Median Filter (LPDMF). It removes the noise introduced in the image due to illumination while capturing or scanning the eye of the patients. The preprocessed images are segmented using the Convolutional Neural Network (CNN) to distinguish the foreground tumor cells from the background.
• Abstract（参考訳）: 網膜芽細胞腫(Retinoblastoma)は、世界中の子供や成人の視覚に影響を及ぼす小児眼内悪性腫瘍である。 成人と比較・比較すると、ウビアルメラノーマである。 眼と周囲の構造物を埋めて破壊できる攻撃的な腫瘍である。 そのため、小児の網膜芽細胞腫の早期発見が鍵となる。 この研究の主な影響は、網膜の腫瘍細胞を特定することである。 また、腫瘍のステージとその対応するグループを見つけることを目的とする。 提案システムは、早期に網膜芽細胞腫の正確な予測と診断を眼科医に支援する。 提案手法の貢献は、幼児と成人児の視覚障害から命を救うことである。 提案手法は,前処理,分割,分類の3段階からなる。 当初、基底画像はLinner Predictive Decision based Median Filter (LPDMF)を用いて前処理される。 患者の眼を捉えたりスキャンしたりしながら、照明によって画像に発生するノイズを除去する。 前処理された画像は畳み込みニューラルネットワーク(cnn)を使用してセグメンテーションされ、前景の腫瘍細胞を背景から区別する。

関連論文リスト

• Are nuclear masks all you need for improved out-of-domain generalisation? A closer look at cancer classification in histopathology [49.518701946822446]
  我々は,核形態学と組織に着目して,癌検出のためのOODの一般化を改善するための簡単なアプローチを提案する。 本手法では,核分割マスクを原画像と統合し,核の優先順位付けを奨励する。 複数のデータセットを用いて,OODの一般化が向上し,画像の破損や敵攻撃に対するロバスト性も向上することを示す。
  論文  参考訳（メタデータ） (2024-11-14T11:27:15Z)
• Brain Tumor Classification From MRI Images Using Machine Learning [0.24739484546803336]
  脳腫瘍は生命を脅かす問題であり、人間の身体の正常な機能を損なう。 医用画像におけるディープラーニングアルゴリズムの使用により、脳腫瘍の分類と診断が大幅に改善された。 本研究の目的は,機械学習を用いた脳腫瘍検出のための予測システムを開発することである。
  論文  参考訳（メタデータ） (2024-07-15T11:30:40Z)
• Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling [49.52787013516891]
  今回提案した Longitudinal Transformer for Survival Analysis (LTSA, Longitudinal Transformer for Survival Analysis, LTSA) は, 縦断的医用画像から動的疾患の予後を予測できる。 時間的注意分析により、最新の画像は典型的には最も影響力のあるものであるが、以前の画像は追加の予後に価値があることが示唆された。
  論文  参考訳（メタデータ） (2024-05-14T17:15:28Z)
• Spatio-spectral classification of hyperspectral images for brain cancer detection during surgical operations [0.0]
  脳腫瘍の手術は神経外科において大きな問題である。 手術中の腫瘍境界の同定は困難である。 本研究では,ハイパースペクトル画像の空間特性とスペクトル特性を考慮した新しい分類法の開発について述べる。
  論文  参考訳（メタデータ） (2024-02-11T12:58:42Z)
• Deep Learning Methods for Retinal Blood Vessel Segmentation: Evaluation on Images with Retinopathy of Prematurity [0.0]
  未熟網膜画像の網膜症における血管セグメンテーションのための3つの高性能畳み込みニューラルネットワークの性能評価を行った。 実験の結果, 乳児の網膜血管は低コントラストにより検出が困難であった。 これら3つの溶液は、未熟の網膜症を診断するために使われず、代わりにノイズを表し、網膜血管と混同される脈絡膜血管も含む。
  論文  参考訳（メタデータ） (2023-06-20T14:46:26Z)
• Novel Fundus Image Preprocessing for Retcam Images to Improve Deep Learning Classification of Retinopathy of Prematurity [5.408949958349055]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、目の網膜に損傷があるため失明する眼疾患である。 本稿では,事前学習フレームワークを用いた新しい基礎前処理手法を提案する。
  論文  参考訳（メタデータ） (2023-02-06T01:44:45Z)
• Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
  超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。 この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。 トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
  論文  参考訳（メタデータ） (2021-07-12T09:04:20Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)
• A Review on End-To-End Methods for Brain Tumor Segmentation and Overall Survival Prediction [3.7982492640302676]
  1)X線やCTなどの電離放射線を照射しない。
  論文  参考訳（メタデータ） (2020-05-31T11:12:14Z)
• Gleason Grading of Histology Prostate Images through Semantic Segmentation via Residual U-Net [60.145440290349796]
  前立腺癌の最終診断は、病理学者による前立腺生検におけるGleasonパターンの視覚的検出に基づいている。 コンピュータ支援診断システムは、組織内のがんのパターンを分類し分類することができる。 この研究の方法論的核心は、がん組織を分節できる残留ブロックで修正された画像分割のためのU-Net畳み込みニューラルネットワークである。
  論文  参考訳（メタデータ） (2020-05-22T19:49:10Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。