論文の概要: Artificial Intelligence For Breast Cancer Detection: Trends & Directions
- arxiv url: http://arxiv.org/abs/2110.00942v1
- Date: Sun, 3 Oct 2021 07:22:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-06 06:24:37.158595
- Title: Artificial Intelligence For Breast Cancer Detection: Trends & Directions
- Title（参考訳）: 乳癌検出のための人工知能:トレンドと方向性
- Authors: Shahid Munir Shah, Rizwan Ahmed Khan, Sheeraz Arif and Unaiza Sajid
- Abstract要約: 本稿では,乳がん検診の自動化に研究者が用いた様々な画像モダリティを解析する。
この記事では、過去10年間に提案されたAIとコンピュータビジョンに基づく最先端の手法を要約し、乳癌を検出する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the last decade, researchers working in the domain of computer vision and
Artificial Intelligence (AI) have beefed up their efforts to come up with the
automated framework that not only detects but also identifies stage of breast
cancer. The reason for this surge in research activities in this direction are
mainly due to advent of robust AI algorithms (deep learning), availability of
hardware that can train those robust and complex AI algorithms and
accessibility of large enough dataset required for training AI algorithms.
Different imaging modalities that have been exploited by researchers to
automate the task of breast cancer detection are mammograms, ultrasound,
magnetic resonance imaging, histopathological images or any combination of
them. This article analyzes these imaging modalities and presents their
strengths, limitations and enlists resources from where their datasets can be
accessed for research purpose. This article then summarizes AI and computer
vision based state-of-the-art methods proposed in the last decade, to detect
breast cancer using various imaging modalities. Generally, in this article we
have focused on to review frameworks that have reported results using
mammograms as it is most widely used breast imaging modality that serves as
first test that medical practitioners usually prescribe for the detection of
breast cancer. Second reason of focusing on mammogram imaging modalities is the
availability of its labeled datasets. Datasets availability is one of the most
important aspect for the development of AI based frameworks as such algorithms
are data hungry and generally quality of dataset affects performance of AI
based algorithms. In a nutshell, this research article will act as a primary
resource for the research community working in the field of automated breast
imaging analysis.
- Abstract（参考訳）: 過去10年間で、コンピュータービジョンと人工知能(AI)の分野で働く研究者たちは、乳がんの検出だけでなく、乳がんのステージも特定する自動化フレームワークの開発に力を注いでいる。
この方向に研究活動が急増したのは、主に、堅牢なAIアルゴリズム(深層学習)の出現、堅牢で複雑なAIアルゴリズムをトレーニング可能なハードウェアの可用性、AIアルゴリズムのトレーニングに必要な十分なデータセットのアクセシビリティが原因である。
乳がん検出のタスクを自動化するために研究者が利用した様々な画像モダリティは、マンモグラム、超音波、磁気共鳴画像、病理画像、またはそれらの組み合わせである。
本稿では,これらの画像モダリティを分析し,その強みと限界を提示し,研究目的のデータセットにアクセス可能なリソースを列挙する。
この記事では,過去10年間に提案されてきたAIとコンピュータビジョンに基づく最先端の手法を要約し,様々な画像モダリティを用いて乳癌を検出する。
一般的に, 乳がん検診では, 乳がん検診を前提とした第一検査として, 乳房画像検査法が広く用いられているため, 乳がん検診の結果を報告したフレームワークのレビューに焦点をあてた。
マンモグラムイメージングのモダリティにフォーカスする第2の理由は、ラベル付きデータセットが利用可能であることだ。
データセットの可用性は、aiベースのフレームワークの開発において最も重要な側面の1つであり、そのようなアルゴリズムはデータに飢えており、一般的にデータセットの品質は、aiベースのアルゴリズムのパフォーマンスに影響する。
一言で言えば,本研究論文は,乳房自動画像解析の分野における研究コミュニティの第一の資源として機能する。
関連論文リスト
- AI generated annotations for Breast, Brain, Liver, Lungs and Prostate cancer collections in National Cancer Institute Imaging Data Commons [0.09462026329066188]
AI in Medical Imaging Projectは、国立がん研究所(NCI)イメージデータコモンズ(IDC)の強化を目的としている。
私たちは、11のIDCコレクションのための高品質なAIアノテーション付き画像データセットを作成しました。
論文 参考訳（メタデータ） (2024-09-30T14:43:09Z) - A Sanity Check for AI-generated Image Detection [49.08585395873425]
我々はAI生成画像を検出するAI生成画像検出装置(AI生成画像検出装置)を提案する。
AIDEは最先端の手法を+3.5%、+4.6%改善した。
論文 参考訳（メタデータ） (2024-06-27T17:59:49Z) - Improving Interpretability and Robustness for the Detection of AI-Generated Images [6.116075037154215]
凍結したCLIP埋め込みに基づいて、既存の最先端AIGI検出手法を解析する。
さまざまなAIジェネレータが生成する画像が実際の画像とどのように異なるかを示す。
論文 参考訳（メタデータ） (2024-06-21T10:33:09Z) - The State of Applying Artificial Intelligence to Tissue Imaging for
Cancer Research and Early Detection [0.0]
回帰、分類、セグメンテーション、生成、圧縮タスクを含む、モデルが開発する5つのコアタスクを特定します。
このような方法が直面するメリットや課題に対処し,がん予防や治療にどのように適応できるかを検討する。
論文 参考訳（メタデータ） (2023-06-29T14:47:03Z) - BMAD: Benchmarks for Medical Anomaly Detection [51.22159321912891]
異常検出(AD)は、機械学習とコンピュータビジョンの基本的な研究課題である。
医用画像では、ADはまれな疾患や病態を示す可能性のある異常の検出と診断に特に重要である。
医用画像の異常検出方法を評価するための総合評価ベンチマークを導入する。
論文 参考訳（メタデータ） (2023-06-20T20:23:46Z) - IM-IAD: Industrial Image Anomaly Detection Benchmark in Manufacturing [88.35145788575348]
画像異常検出(英: Image Anomaly Detection、IAD)は、産業用コンピュータビジョンの課題である。
統一IMベンチマークの欠如は、現実世界のアプリケーションにおけるIADメソッドの開発と利用を妨げる。
7つの主要なデータセットに19のアルゴリズムを含む包括的画像異常検出ベンチマーク(IM-IAD)を構築した。
論文 参考訳（メタデータ） (2023-01-31T01:24:45Z) - Breast Cancer Classification using Deep Learned Features Boosted with
Handcrafted Features [0.0]
早期発見・分類・診断の枠組みを考えることは,研究コミュニティにとって最も重要である。
本稿では,マンモグラフィーを用いた乳癌の分類のための新しい枠組みを提案する。
提案するフレームワークは,新しい畳み込みニューラルネットワーク(CNN)機能から抽出したロバストな特徴と手作りの機能を組み合わせたものである。
論文 参考訳（メタデータ） (2022-06-26T07:54:09Z) - Mammograms Classification: A Review [0.0]
マンモグラム画像はコンピュータ支援診断システムの開発に利用されてきた。
研究者たちは、人工知能が病気の早期発見に利用できることを証明した。
論文 参考訳（メタデータ） (2022-03-04T19:22:35Z) - 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) - Review of Artificial Intelligence Techniques in Imaging Data
Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。
X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。
最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
論文 参考訳（メタデータ） (2020-04-06T15:21:34Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z)
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。