論文の概要: Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems
- arxiv url: http://arxiv.org/abs/2105.09974v1
- Date: Thu, 20 May 2021 18:13:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-25 03:20:54.657372
- Title: Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems
- Title（参考訳）: CNNを用いた前立腺癌検出システムにおけるパッチアグリゲーションのためのワイド・アンド・ディープニューラルネットワークモデル
- Authors: Lourdes Duran-Lopez, Juan P. Dominguez-Morales, Daniel
Gutierrez-Galan, Antonio Rios-Navarro, Angel Jimenez-Fernandez, Saturnino
Vicente-Diaz, Alejandro Linares-Barranco
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 51.19354417900591
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Prostate cancer (PCa) is one of the most commonly diagnosed cancer and one of
the leading causes of death among men, with almost 1.41 million new cases and
around 375,000 deaths in 2020. Artificial Intelligence algorithms have had a
huge impact in medical image analysis, including digital histopathology, where
Convolutional Neural Networks (CNNs) are used to provide a fast and accurate
diagnosis, supporting experts in this task. To perform an automatic diagnosis,
prostate tissue samples are first digitized into gigapixel-resolution
whole-slide images. Due to the size of these images, neural networks cannot use
them as input and, therefore, small subimages called patches are extracted and
predicted, obtaining a patch-level classification. In this work, a novel patch
aggregation method based on a custom Wide & Deep neural network model is
presented, which performs a slide-level classification using the patch-level
classes obtained from a CNN. The malignant tissue ratio, a 10-bin malignant
probability histogram, the least squares regression line of the histogram, and
the number of malignant connected components are used by the proposed model to
perform the classification. An accuracy of 94.24% and a sensitivity of 98.87%
were achieved, proving that the proposed system could aid pathologists by
speeding up the screening process and, thus, contribute to the fight against
PCa.
- Abstract（参考訳）: 前立腺癌(PCa)は最も一般的に診断されるがんの1つで、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。
人工知能アルゴリズムは、デジタル病理学を含む医療画像解析に大きな影響を与えており、畳み込みニューラルネットワーク(CNN)が高速かつ正確な診断を提供するために使われ、このタスクの専門家を支援している。
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ル化する。
これらの画像のサイズのため、ニューラルネットワークは入力として使用できないため、パッチと呼ばれる小さなサブイメージを抽出して予測し、パッチレベルの分類を得る。
本研究では,カスタムワイド・アンド・ディープニューラルネットワークモデルに基づく新しいパッチアグリゲーション手法を提案し,CNNから得られたパッチレベルクラスを用いて,スライドレベルの分類を行う。
提案モデルでは、悪性組織比、10ビン悪性確率ヒストグラム、ヒストグラムの最小二乗回帰線、および悪性結合成分の数を用いて分類を行う。
94.24%の精度と98.87%の感度が達成され、提案されたシステムはスクリーニングプロセスのスピードアップによって病理学者を助けることが証明された。
関連論文リスト
- Advanced Hybrid Deep Learning Model for Enhanced Classification of Osteosarcoma Histopathology Images [0.0]
本研究は, 小児および思春期において最も多い骨癌である骨肉腫(OS)に焦点を当て, 腕と足の長い骨に影響を及ぼす。
我々は、OSの診断精度を向上させるために、畳み込みニューラルネットワーク(CNN)と視覚変換器(ViT)を組み合わせた新しいハイブリッドモデルを提案する。
このモデルは精度99.08%、精度99.10%、リコール99.28%、F1スコア99.23%を達成した。
論文 参考訳（メタデータ） (2024-10-29T13:54:08Z) - Convolutional Neural Network-Based Automatic Classification of
Colorectal and Prostate Tumor Biopsies Using Multispectral Imagery: System
Development Study [7.566742780233967]
生検標本の多スペクトル画像から大腸癌と前立腺腫瘍を分類するためのCNNモデルを提案する。
その結果,前立腺および大腸のデータセットの平均検査精度は99.8%と99.5%と優れた成績を示した。
提案したCNNアーキテクチャは,大腸癌と前立腺癌を分類する上で,最も優れたシステムであった。
論文 参考訳（メタデータ） (2023-01-30T18:28:25Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - 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) - Hybrid guiding: A multi-resolution refinement approach for semantic
segmentation of gigapixel histopathological images [0.7490318169877296]
セマンティックセグメンテーションのための、H2G-Netと呼ばれるカスケード畳み込みニューラルネットワーク設計を提案する。
設計にはパッチワイズ方式による検出段階と、畳み込みオートエンコーダを用いた改良段階が含まれる。
最高の設計は90 WSIの独立したテストセットでDiceスコア0.933を達成した。
論文 参考訳（メタデータ） (2021-12-07T02:31:29Z) - Medulloblastoma Tumor Classification using Deep Transfer Learning with
Multi-Scale EfficientNets [63.62764375279861]
本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。
161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
論文 参考訳（メタデータ） (2021-09-10T13:07:11Z) - Boosted EfficientNet: Detection of Lymph Node Metastases in Breast
Cancer Using Convolutional Neural Network [6.444922476853511]
The Convolutional Neutral Network (CNN) は乳癌のリンパ節転移の予測と分類に応用されている。
そこで本研究では,小さな解像度画像を容易にするためのRandom Center Cropping (RCC) という新しいデータ拡張手法を提案する。
論文 参考訳（メタデータ） (2020-10-10T15:18:56Z) - 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) - Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of
Geometry and Segmentation of Annotations [70.0118756144807]
この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。
VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。
対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
論文 参考訳（メタデータ） (2020-05-08T02:16:17Z)
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。