論文の概要: A Medical Pre-Diagnosis System for Histopathological Image of Breast
Cancer
- arxiv url: http://arxiv.org/abs/2109.07878v1
- Date: Thu, 16 Sep 2021 11:16:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-17 13:57:40.725417
- Title: A Medical Pre-Diagnosis System for Histopathological Image of Breast
Cancer
- Title(参考訳): 乳癌の病理組織像における術前診断システム
- Authors: Shiyu Fan, Runhai Xu, Zhaohang Yan
- Abstract要約: 本稿では,乳がんの病理画像認識と自動コミュニケーションを実現するインテリジェント医療診断システムを構築した。
提案モデルにより, 画像認識の精度向上が図られ, 乳がんの自動診断に成功し, 効率が向上した。
- 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: This paper constructs a novel intelligent medical diagnosis system, which can
realize automatic communication and breast cancer pathological image
recognition. This system contains two main parts, including a pre-training
chatbot called M-Chatbot and an improved neural network model of
EfficientNetV2-S named EfficientNetV2-SA, in which the activation function in
top layers is replaced by ACON-C. Using information retrieval mechanism,
M-Chatbot instructs patients to send breast pathological image to
EfficientNetV2-SA network, and then the classifier trained by transfer learning
will return the diagnosis results. We verify the performance of our chatbot and
classification on the extrinsic metrics and BreaKHis dataset, respectively. The
task completion rate of M-Chatbot reached 63.33\%. For the BreaKHis dataset,
the highest accuracy of EfficientNetV2-SA network have achieved 84.71\%. All
these experimental results illustrate that the proposed model can improve the
accuracy performance of image recognition and our new intelligent medical
diagnosis system is successful and efficient in providing automatic diagnosis
of breast cancer.
- Abstract(参考訳): 本稿では, 自動コミュニケーションと乳がんの病理画像認識を実現する新しい知的医療診断システムを構築した。
このシステムには、m-chatbotと呼ばれる事前学習されたチャットボットと、上位レイヤのアクティベーション機能をacon-cに置き換えた efficientnetv2-s のニューラルネットモデルが含まれる。
情報検索機構を用いて、M-Chatbotは患者に乳房の病理像をEfficientNetV2-SAネットワークに送信するように指示し、転送学習によって訓練された分類器は診断結果を返す。
当社のチャットボットの性能と,extrinsic metricsとbreakhis datasetの分類をそれぞれ検証した。
M-Chatbotのタスク完了率は63.33\%に達した。
BreaKHisデータセットでは、EfficientNetV2-SAネットワークの最高精度は84.71\%に達した。
これらの実験結果から,本モデルにより画像認識の精度が向上し,新しい知能診断システムが乳がんの自動診断に成功し,効果的であることが示唆された。
関連論文リスト
- Breast Histopathology Image Retrieval by Attention-based Adversarially Regularized Variational Graph Autoencoder with Contrastive Learning-Based Feature Extraction [1.48419209885019]
本研究は,乳房組織像検索のための新しいアテンションベース逆正則変分グラフオートエンコーダモデルを提案する。
乳がん組織像の2つの公開データセットを用いて,提案モデルの性能評価を行った。
論文 参考訳(メタデータ) (2024-05-07T11:24:37Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳(メタデータ) (2023-01-17T21:41:21Z) - Classification of Breast Tumours Based on Histopathology Images Using
Deep Features and Ensemble of Gradient Boosting Methods [0.0]
提案するCADシステムの特徴抽出器の主案として,Deep Feature Transfer Learningが用いられている。
Inception-ResNet-v2は乳癌の病理組織像において最も優れた特徴抽出能を示した。
分類段階では,CatBoost,XGBoost,LightGBMのアンサンブルが最も平均精度が高い。
論文 参考訳(メタデータ) (2022-09-03T09:27:00Z) - Breast Cancer Classification Based on Histopathological Images Using a
Deep Learning Capsule Network [0.0]
本研究は, 病理組織像(HIs)を用いて, 異なる種類の乳癌を分類することを目的とする。
本稿では、Res2Netブロックと4つの畳み込み層を用いて、マルチスケールの特徴を抽出する拡張カプセルネットワークを提案する。
結果として、新しいメソッドは、可能な限り最高の機能を自動で学習するため、古いメソッドよりも優れています。
論文 参考訳(メタデータ) (2022-08-01T03:45:36Z) - 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) - BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer
Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。
提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。
臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文 参考訳(メタデータ) (2021-10-05T19:14:46Z) - 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) - Automatic Gesture Recognition in Robot-assisted Surgery with
Reinforcement Learning and Tree Search [63.07088785532908]
共同手術におけるジェスチャー分割と分類のための強化学習と木探索に基づく枠組みを提案する。
我々のフレームワークは,JIGSAWSデータセットのサチューリングタスクにおいて,精度,編集スコア,F1スコアの点で,既存の手法よりも一貫して優れています。
論文 参考訳(メタデータ) (2020-02-20T13:12:38Z)
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。