論文の概要: Embedded Deep Regularized Block HSIC Thermomics for Early Diagnosis of
Breast Cancer
- arxiv url: http://arxiv.org/abs/2106.02106v1
- Date: Thu, 3 Jun 2021 19:54:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-07 14:55:32.337953
- Title: Embedded Deep Regularized Block HSIC Thermomics for Early Diagnosis of
Breast Cancer
- Title（参考訳）: 乳癌早期診断のための埋め込み型深部正規化ブロックhsicサーモミクス
- Authors: Bardia Yousefi, Hossein Memarzadeh Sharifipour, Xavier P.V. Maldague
- Abstract要約: マトリックス因子化(MF)技術は、がん患者の血管拡張に対応する熱パターンを検出することができる。
このような技術の最大の課題の1つは、熱基底の最良の表現を選択することである。
熱画像検査のためのDeep-semi-non negative matrix factorization (Deep-SemiNMF)を導入し, 乳癌検診208例を対象に検討した。
- 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: Thermography has been used extensively as a complementary diagnostic tool in
breast cancer detection. Among thermographic methods matrix factorization (MF)
techniques show an unequivocal capability to detect thermal patterns
corresponding to vasodilation in cancer cases. One of the biggest challenges in
such techniques is selecting the best representation of the thermal basis. In
this study, an embedding method is proposed to address this problem and
Deep-semi-nonnegative matrix factorization (Deep-SemiNMF) for thermography is
introduced, then tested for 208 breast cancer screening cases. First, we apply
Deep-SemiNMF to infrared images to extract low-rank thermal representations for
each case. Then, we embed low-rank bases to obtain one basis for each patient.
After that, we extract 300 thermal imaging features, called thermomics, to
decode imaging information for the automatic diagnostic model. We reduced the
dimensionality of thermomics by spanning them onto Hilbert space using RBF
kernel and select the three most efficient features using the block Hilbert
Schmidt Independence Criterion Lasso (block HSIC Lasso). The preserved thermal
heterogeneity successfully classified asymptomatic versus symptomatic patients
applying a random forest model (cross-validated accuracy of 71.36%
(69.42%-73.3%)).
- Abstract（参考訳）: 温熱検査は乳がん検出の補助的診断ツールとして広く用いられている。
マトリクス・ファクターゼーション(MF)技術は、がん症例の血管拡張に伴う熱パターンを検出する不適切な能力を示す。
このような技術の最大の課題の1つは、熱基底の最良の表現を選択することである。
本研究では, この問題に対処するために埋込法を提案し, サーモグラフィのためのDeep-semi-non negative matrix factorization (Deep-SemiNMF)を導入し, 208例の乳癌検診を行った。
まず、赤外線画像にDeep-SemiNMFを適用し、各ケースの低ランク熱表現を抽出する。
次に,低ランクベースを埋め込み,各患者に1つの基礎を与える。
その後、サーモミクスと呼ばれる300個の熱画像の特徴を抽出し、自動診断モデルの撮像情報をデコードする。
RBFカーネルを用いてヒルベルト空間に分散することで熱力学の次元を小さくし、ブロックHilbert Schmidt Independence Criterion Lasso(ブロックHSIC Lasso)を用いて最も効率的な特徴を3つ選択した。
温熱不均一性は無作為な森林モデル(71.36% (69.42%-73.3%) を応用し無症状と無症状を区別した。
関連論文リスト
- Distribution-based Low-rank Embedding [0.0]
固有ベクトル(JSE)とワイブル埋め込み(Weibull Embedding)に対するJames-Steinを提案する。
主な目的は、熱データストリームの低次元(LD)表現を作ることである。
提案手法は,主基底ベクトルの投影精度が81.7%に向上したことを示す。
論文 参考訳（メタデータ） (2023-12-29T12:29:45Z) - 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) - A Generative Approach for Image Registration of Visible-Thermal (VT)
Cancer Faces [77.77475333490744]
我々は、生成的アライメントアルゴリズムを適用し、修正することで、画像登録の古典的なコンピュータビジョンタスクを近代化する。
本稿では,V2T画像翻訳における生成AI下流タスクで生成した熱画像の品質が52.5%に向上することが実証された。
論文 参考訳（メタデータ） (2023-08-23T17:39:58Z) - Histopathological Imaging Classification of Breast Tissue for Cancer
Diagnosis Support Using Deep Learning Models [0.0]
ヘマトキシリンとエオシンはがん診断における金の標準であると考えられている。
病理画像(WSI)を複数のパッチに分割するアイデアに基づいて,左から右へスライドし,上から下へスライドするウィンドウ[512,512]を,400イメージのデータセット上の拡張データに対して,各スライディングステップが50%重なり合うように使用した。
EffficientNetモデルは、高解像度の画像のトレーニングに適した、固定されたスケーリング要素のセットで、ネットワークの幅、深さ、解像度を均一にスケーリングする、最近開発されたモデルである。
論文 参考訳（メタデータ） (2022-07-03T13:56:44Z) - Classification of COVID-19 in Chest X-ray Images Using Fusion of Deep
Features and LightGBM [0.0]
本稿では,本論文で報告されている他の手法よりも高速かつ高精度な新しい手法を提案する。
提案手法はDenseNet169とMobileNet Deep Neural Networksを組み合わせて患者のX線画像の特徴を抽出する。
この方法は2クラス(COVID-19、Healthy)と複数クラス(COVID-19、Healthy、Pneumonia)で98.54%と91.11%の精度を達成した。
論文 参考訳（メタデータ） (2022-06-09T14:56:24Z) - 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) - CNN Filter Learning from Drawn Markers for the Detection of Suggestive
Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。
少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。
本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文 参考訳（メタデータ） (2021-11-16T15:03:42Z) - PDCOVIDNet: A Parallel-Dilated Convolutional Neural Network Architecture
for Detecting COVID-19 from Chest X-Ray Images [1.4824891788575418]
新型コロナウイルスのパンデミックは、世界保健システムの繁栄を著しく損なわれ続けている。
胸部X線画像による放射線学的評価は,重要なスクリーニング技術の一つである。
胸部X線画像を用いた並列拡散畳み込みニューラルネットワークによる新型コロナウイルス検出システムを提案する。
論文 参考訳（メタデータ） (2020-07-29T12:28:16Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳（メタデータ） (2020-05-27T20:44:38Z) - Multi-Scale Thermal to Visible Face Verification via Attribute Guided
Synthesis [55.29770222566124]
可視画像から抽出した属性を用いて、熱画像から属性保存された可視画像を合成し、クロスモーダルマッチングを行う。
抽出した属性によって導かれる熱画像から可視像を合成するために, 新規なマルチスケールジェネレータを提案する。
事前訓練されたVGG-Faceネットワークを利用して、合成画像と入力可視画像から特徴を抽出し、検証を行う。
論文 参考訳（メタデータ） (2020-04-20T01:45:05Z)
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。