論文の概要: Dual Skip Connections Minimize the False Positive Rate of Lung Nodule Detection in CT images

• arxiv url: http://arxiv.org/abs/2110.13036v1
• Date: Mon, 25 Oct 2021 15:19:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-26 15:47:05.117459
• Title: Dual Skip Connections Minimize the False Positive Rate of Lung Nodule Detection in CT images
• Title（参考訳）: CT画像における肺結節検出の偽陽性率を最小化するデュアルスキップ接続
• Authors: Jiahua Xu, Philipp Ernst, Tung Lung Liu, Andreas N\"urnberger
• Abstract要約: 本論文では,マルチスケール特徴写像を生成するU-Net構造におけるデュアルパスネットワークに基づくデュアルスキップ接続アップサンプリング手法を提案する。 以上の結果から,新しいアップサンプリング手法は,画像毎の4 FROCにおいて85.3%の感度で性能を向上できることが示唆された。
• 参考スコア（独自算出の注目度）: 1.6058099298620425
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Pulmonary cancer is one of the most commonly diagnosed and fatal cancers and is often diagnosed by incidental findings on computed tomography. Automated pulmonary nodule detection is an essential part of computer-aided diagnosis, which is still facing great challenges and difficulties to quickly and accurately locate the exact nodules' positions. This paper proposes a dual skip connection upsampling strategy based on Dual Path network in a U-Net structure generating multiscale feature maps, which aims to minimize the ratio of false positives and maximize the sensitivity for lesion detection of nodules. The results show that our new upsampling strategy improves the performance by having 85.3% sensitivity at 4 FROC per image compared to 84.2% for the regular upsampling strategy or 81.2% for VGG16-based Faster-R-CNN.
• Abstract（参考訳）: 肺がんは最も一般的に診断され致命的ながんの1つであり、しばしばCTで偶然に診断される。 肺結節の自動検出は、コンピュータ支援診断の重要な部分であり、正確な結節の位置を迅速かつ正確に特定するための大きな課題と困難に直面している。 本稿では,偽陽性率を最小化し,結節病変の検出感度を最大化することを目的とした,u-net構造におけるデュアルパスネットワークに基づくデュアルスキップ接続アップサンプリング戦略を提案する。 その結果,新しいアップサンプリング方式では,画像あたりの感度が85.3%,通常のアップサンプリング戦略が84.2%,vgg16ベースのfast-r-cnnが81.2%であった。

関連論文リスト

• MSDet: Receptive Field Enhanced Multiscale Detection for Tiny Pulmonary Nodule [17.838015589388014]
  肺結節は肺癌の早期診断における重要な指標である。 従来のCT画像撮影法は、煩雑な処置、低検出率、ローカライゼーション精度の低下に悩まされていた。 肺小結節検出のためのマルチスケールアテンションおよび受容野ネットワークであるMSDetを提案する。
  論文  参考訳（メタデータ） (2024-09-21T06:08:23Z)
• Full-resolution Lung Nodule Segmentation from Chest X-ray Images using Residual Encoder-Decoder Networks [21.724154440093216]
  肺癌はがん死の主要な原因であり、早期診断は陽性の予後と関連している。 コンピュータビジョンは、これまで人間の放射線学者を支援するために提案されてきた。 本研究では,効率的なエンコーダデコーダニューラルネットワークを用いた肺結節の局在解析を行った。
  論文  参考訳（メタデータ） (2023-07-13T04:05:39Z)
• High-Fidelity Image Synthesis from Pulmonary Nodule Lesion Maps using Semantic Diffusion Model [10.412300404240751]
  肺がんは、長年にわたり、世界中でがん関連の死因の1つとなっている。 ディープラーニング、学習アルゴリズムに基づくコンピュータ支援診断(CAD)モデルは、スクリーニングプロセスを加速することができる。 しかし、堅牢で正確なモデルを開発するには、しばしば高品質なアノテーションを備えた大規模で多様な医療データセットが必要である。
  論文  参考訳（メタデータ） (2023-05-02T01:04:22Z)
• Image Synthesis with Disentangled Attributes for Chest X-Ray Nodule Augmentation and Detection [52.93342510469636]
  肺癌早期検診では胸部X線像の肺結節検出が一般的である。 ディープラーニングに基づくコンピュータ支援診断(CAD)システムは、CXRの結節スクリーニングのために放射線科医をサポートすることができる。 このようなデータセットの可用性を損なうため,データ拡張のために肺結節合成法を提案する。
  論文  参考訳（メタデータ） (2022-07-19T16:38:48Z)
• MHSnet: Multi-head and Spatial Attention Network with False-Positive Reduction for Pulmonary Nodules Detection [6.863130535003796]
  肺癌の早期発見は、疾患の予防、治療、死亡率の低下に重要である。 既存の肺結節検出法では偽陽性が多すぎる。 肺結節を検出するために,マルチヘッド検出と空間的絞殺ネットワーク(MHSnet)を提案する。
  論文  参考訳（メタデータ） (2022-01-31T17:56:08Z)
• 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)
• COVID-19 Detection from Chest X-ray Images using Imprinted Weights Approach [67.05664774727208]
  胸部X線撮影は、COVID-19の代替スクリーニング方法です。 コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。 この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
  論文  参考訳（メタデータ） (2021-05-04T19:01:40Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)
• Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent Multi-View Representation Learning [48.05232274463484]
  最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。 多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。 本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
  論文  参考訳（メタデータ） (2020-05-06T15:19:15Z)
• U-Det: A Modified U-Net architecture with bidirectional feature network for lung nodule segmentation [0.0]
  本稿では,資源効率のよいモデルアーキテクチャであるU-Detを提案する。 提案モデルは,1186個の肺結節からなるLUNA-16データセットを用いて,広範囲に訓練および評価を行った。 U-Detアーキテクチャは既存のU-Netモデルを82.82%のDice類似度係数(DSC)で上回り、人間の専門家に匹敵する結果が得られる。
  論文  参考訳（メタデータ） (2020-03-20T14:25:22Z)

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。