論文の概要: Deep Integrated Pipeline of Segmentation Leading to Classification for
Automated Detection of Breast Cancer from Breast Ultrasound Images
- arxiv url: http://arxiv.org/abs/2110.14013v1
- Date: Tue, 26 Oct 2021 20:42:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-29 09:47:21.093151
- Title: Deep Integrated Pipeline of Segmentation Leading to Classification for
Automated Detection of Breast Cancer from Breast Ultrasound Images
- Title（参考訳）: 乳房超音波画像からの乳がん自動検出のための分類による分節の深部集積パイプライン
- Authors: Muhammad Sakib Khan Inan, Fahim Irfan Alam, Rizwan Hasan
- Abstract要約: 提案フレームワークは,超音波画像の前処理をSLIC(Simple Linear Iterative Clustering)と統合し,乳房超音波画像の複雑なアーティファクトに対処する。
提案した自動パイプラインは、乳がんをより正確かつタイムリーに診断する医療従事者を支援するために効果的に実装することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Breast cancer has become a symbol of tremendous concern in the modern world,
as it is one of the major causes of cancer mortality worldwide. In this
concern, many people are frequently screening for breast cancer in order to be
identified early and avert mortality from the disease by receiving treatment.
Breast Ultrasonography Images are frequently utilized by doctors to diagnose
breast cancer at an early stage. However, the complex artifacts and heavily
noised Breast Ultrasonography Images make detecting Breast Cancer a tough
challenge. Furthermore, the ever-increasing number of patients being screened
for Breast Cancer necessitates the use of automated Computer Aided Technology
for high accuracy diagnosis at a cheap cost and in a short period of time. The
current progress of Artificial Intelligence (AI) in the fields of Medical Image
Analysis and Health Care is a boon to humanity. In this study, we have proposed
a compact integrated automated pipelining framework which integrates
ultrasonography image preprocessing with Simple Linear Iterative Clustering
(SLIC) to tackle the complex artifact of Breast Ultrasonography Images
complementing semantic segmentation with Modified U-Net leading to Breast Tumor
classification with robust feature extraction using a transfer learning
approach with pretrained VGG 16 model and densely connected neural network
architecture. The proposed automated pipeline can be effectively implemented to
assist medical practitioners in making more accurate and timely diagnoses of
breast cancer.
- Abstract（参考訳）: 乳がんは、世界中のがん死亡の主な原因の1つであるため、現代世界では深刻な懸念の象徴となっている。
この懸念により, 早期に診断し, 治療により死亡率を低下させるため, 乳がんのスクリーニングが頻繁に行われている。
乳腺超音波画像は、乳がんの早期診断に医師が頻繁に利用する。
しかし、複雑なアーティファクトと非常にノイズの強い乳房超音波画像は、乳癌の検出を困難にしている。
また,乳がん検診の患者数の増加に伴い,高精度診断のための自動コンピュータ支援技術の使用が安価かつ短時間で必要となる。
医療画像分析・医療分野における人工知能(AI)の現在の進歩は、人類にとって朗報である。
本研究では,VGG 16モデルを用いた伝達学習手法と密結合型ニューラルネットワークアーキテクチャを用いて,乳房腫瘍分類を頑健な特徴抽出に導く,乳房超音波画像の複雑なアーティファクトを補うために,超音波画像前処理と単純な線形反復クラスタリング(SLIC)を統合した,コンパクトな統合型自動パイプライニングフレームワークを提案する。
提案する自動化パイプラインは,乳がんをより正確かつタイムリーに診断する医療従事者を支援するために効果的に実施できる。
関連論文リスト
- Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
乳がん治療計画において、グレーディングは重要な役割を担っている。
現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。
本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
論文 参考訳（メタデータ） (2024-05-13T15:48:26Z) - Breast Ultrasound Report Generation using LangChain [58.07183284468881]
本稿では,Large Language Models (LLM) を用いたLangChainによる複数の画像解析ツールを胸部報告プロセスに統合することを提案する。
本手法は,超音波画像から関連する特徴を正確に抽出し,臨床的文脈で解釈し,包括的で標準化された報告を生成する。
論文 参考訳（メタデータ） (2023-12-05T00:28:26Z) - A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer
Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。
Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
論文 参考訳（メタデータ） (2023-04-12T05:41:44Z) - High-resolution synthesis of high-density breast mammograms: Application
to improved fairness in deep learning based mass detection [48.88813637974911]
深層学習に基づくコンピュータ支援検出システムは乳癌検出において優れた性能を示した。
高密度の乳房は、高密度の組織がマスを覆ったりシミュレートしたりできるため、検出性能が劣っている。
本研究は,高密度乳房における高密度フルフィールドデジタルマンモグラムを用いた質量検出性能の向上を目的とする。
論文 参考訳（メタデータ） (2022-09-20T15:57:12Z) - 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) - A Survey of Breast Cancer Screening Techniques: Thermography and
Electrical Impedance Tomography [0.5480546613836199]
マンモグラフィーは乳癌検診の基準技術である。
多くの国では、経済的、社会的、文化的問題のために、まだマンモグラムへのアクセスがない。
論文 参考訳（メタデータ） (2022-02-08T09:25:30Z) - Learned super resolution ultrasound for improved breast lesion
characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。
この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。
トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文 参考訳（メタデータ） (2021-07-12T09:04:20Z) - Use of Transfer Learning and Wavelet Transform for Breast Cancer
Detection [6.14950556643824]
深層学習はマンモグラフィーで得られた画像中の癌塊の検出に広く用いられている。
画像スキャンにおける重要な特徴を高めるために,セグメンテーションとウェーブレット変換を導入する。
提案システムは,セグメンテーションとウェーブレット変換の組み合わせを用いて,がん検出のスクリーニング段階における放射線科医を支援する。
論文 参考訳（メタデータ） (2021-03-05T11:08:56Z) - DenseNet for Breast Tumor Classification in Mammographic Images [0.0]
本研究の目的は,マンモグラフィ画像における乳腺病変の自動検出,分画,分類のための深層畳み込みニューラルネットワーク手法を構築することである。
ディープラーニングに基づいて,選択と抽出を特徴とするmask-cnn(roialign)法を開発し,drknet architectureを用いて分類を行った。
論文 参考訳（メタデータ） (2021-01-24T03:30:59Z) - Deep learning approach for breast cancer diagnosis [1.6244541005112747]
乳がんを効果的かつ早期に検出できるU-net構造に着想を得た新しいネットワークアーキテクチャを開発した。
その結果,臨床応用において提案手法の有用性を示す感度と特異性が高いことが示唆された。
論文 参考訳（メタデータ） (2020-03-10T00:47:37Z) - 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。