論文の概要: A survey on deep learning approaches for breast cancer diagnosis
- arxiv url: http://arxiv.org/abs/2109.08853v1
- Date: Sat, 18 Sep 2021 06:43:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-21 16:41:37.822058
- Title: A survey on deep learning approaches for breast cancer diagnosis
- Title（参考訳）: 乳癌診断のためのディープラーニングアプローチに関する調査研究
- Authors: Timothy Kwong, Samaneh Mazaheri
- Abstract要約: 深層学習は、乳腺腫瘍を認識するための学習ベースの方法をいくつか導入している。
CAD(Computer-Aided Diagnostic)システムへの実践的な導入として自らを提唱している。
病院や公共データベースが提供する画像に基づいて訓練されたディープラーニングネットワークは、病変の分類、検出、セグメンテーションを行うことができる。
- 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: Deep learning has introduced several learning-based methods to recognize
breast tumours and presents high applicability in breast cancer diagnostics. It
has presented itself as a practical installment in Computer-Aided Diagnostic
(CAD) systems to further assist radiologists in diagnostics for different
modalities. A deep learning network trained on images provided by hospitals or
public databases can perform classification, detection, and segmentation of
lesion types. Significant progress has been made in recognizing tumours on 2D
images but recognizing 3D images remains a frontier so far. The interconnection
of deep learning networks between different fields of study help propels
discoveries for more efficient, accurate, and robust networks. In this review
paper, the following topics will be explored: (i) theory and application of
deep learning, (ii) progress of 2D, 2.5D, and 3D CNN approaches in breast
tumour recognition from a performance metric perspective, and (iii) challenges
faced in CNN approaches.
- Abstract（参考訳）: 深層学習は、乳腺腫瘍を認識するための学習ベースのいくつかの方法を導入し、乳癌の診断に高い適用性を示している。
コンピュータ支援診断システム(CAD)の実践的な導入として、放射線科医が様々なモダリティの診断を行う際の支援を行っている。
病院や公共データベースが提供する画像に基づいて訓練されたディープラーニングネットワークは、病変の分類、検出、セグメンテーションを行うことができる。
2d画像の腫瘍の認識には大きな進歩が見られたが、3d画像の認識はいまだにフロンティアである。
異なる研究分野間のディープラーニングネットワークの相互接続により、より効率的で正確で堅牢なネットワークの発見が促進される。
本稿では,以下の話題について考察する。
(i)深層学習の理論と応用
(ii)乳腺腫瘍認識における2d,2.5d,3d cnnアプローチの進歩 : パフォーマンス指標の観点から
(iii)cnnアプローチで直面する課題。
関連論文リスト
- Post-Hoc Explainability of BI-RADS Descriptors in a Multi-task Framework
for Breast Cancer Detection and Segmentation [48.08423125835335]
MT-BI-RADSは乳房超音波(BUS)画像における腫瘍検出のための新しい深層学習手法である。
放射線科医が腫瘍の悪性度を予測するための意思決定プロセスを理解するための3つのレベルの説明を提供する。
論文 参考訳（メタデータ） (2023-08-27T22:07:42Z) - Cross-dimensional transfer learning in medical image segmentation with
deep learning [0.4588028371034407]
本研究では,自然画像に基づく2次元分類ネットワークの効率性を2次元・3次元一次元・マルチモーダルな医用画像セグメンテーションアプリケーションへ効率的に転送する方法を提案する。
本稿では,2次元事前学習エンコーダを高次元U-Netに埋め込むことによる重量移動と,2次元セグメントネットワークを高次元のU-Netに拡張することによる次元移動という2つの重要な原理に基づいて,新しいアーキテクチャを設計した。
論文 参考訳（メタデータ） (2023-07-29T02:50:38Z) - Multi-View Vertebra Localization and Identification from CT Images [57.56509107412658]
我々は,CT画像からの多視点椎体局在と同定を提案する。
本研究では,3次元問題を異なる視点における2次元局所化および識別タスクに変換する。
本手法は,多視点グローバル情報を自然に学習することができる。
論文 参考訳（メタデータ） (2023-07-24T14:43:07Z) - Slice-level Detection of Intracranial Hemorrhage on CT Using Deep
Descriptors of Adjacent Slices [0.31317409221921133]
そこで本研究では,隣接するスライスのディスクリプタに基づいて,CTスキャンでエンフスライスレベルの分類器を訓練する新しい手法を提案する。
我々は、RSNA頭蓋内出血データセットの課題における、最高のパフォーマンスソリューションの上位4%において、単一のモデルを得る。
提案手法は汎用的であり,MRIなどの他の3次元診断タスクにも適用可能である。
論文 参考訳（メタデータ） (2022-08-05T23:20:37Z) - Towards better Interpretable and Generalizable AD detection using
Collective Artificial Intelligence [0.0]
アルツハイマー病の診断と予後を自動化するための深層学習法が提案されている。
これらの手法は、しばしば解釈可能性と一般化の欠如に悩まされる。
我々はこれらの制限を克服するために設計された新しいディープ・フレームワークを提案する。
論文 参考訳（メタデータ） (2022-06-07T13:02:53Z) - Act Like a Radiologist: Towards Reliable Multi-view Correspondence
Reasoning for Mammogram Mass Detection [49.14070210387509]
マンモグラム質量検出のための解剖学的グラフ畳み込みネットワーク(AGN)を提案する。
AGNはマンモグラムの質量検出用に調整されており、既存の検出手法を多視点推論能力で実現している。
2つの標準ベンチマークの実験によると、AGNは最先端のパフォーマンスを大幅に上回っている。
論文 参考訳（メタデータ） (2021-05-21T06:48:34Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z) - Learning Binary Semantic Embedding for Histology Image Classification
and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。
効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。
3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文 参考訳（メタデータ） (2020-10-07T08:36:44Z) - Quantitative and Qualitative Evaluation of Explainable Deep Learning
Methods for Ophthalmic Diagnosis [0.0]
方法: Inception v3として知られる一般的なディープラーニングモデルは、3つの網膜疾患を診断するために訓練された。
13種類のアトリビューション法による説明を14名の臨床医のパネルで評価し,臨床的意義について検討した。
ディープ・テイラーは3.85/5の中央値で臨床医によって最高評価を受けた。
論文 参考訳（メタデータ） (2020-09-26T17:17:08Z) - Dual Convolutional Neural Networks for Breast Mass Segmentation and
Diagnosis in Mammography [18.979126709943085]
本稿では,マンモグラム画像処理のための新しいディープラーニングフレームワークを提案する。
本手法はデュアルパスアーキテクチャで構築され,そのマッピングをデュアルプロブレム方式で解決する。
実験の結果,DualCoreNetはマンモグラフィーのセグメンテーションと分類を同時に達成し,最近の最先端モデルよりも優れていることがわかった。
論文 参考訳（メタデータ） (2020-08-07T02:23:36Z) - Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。
提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
論文 参考訳（メタデータ） (2020-02-03T22:25:01Z)
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。