論文の概要: Breast Cancer Classification Using: Pixel Interpolation
- arxiv url: http://arxiv.org/abs/2111.02409v1
- Date: Wed, 3 Nov 2021 16:58:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-05 15:22:36.711029
- Title: Breast Cancer Classification Using: Pixel Interpolation
- Title（参考訳）: 画像補間による乳癌の分類
- Authors: Osama Rezq Shahin, Hamdy Mohammed Kelash, Gamal Mahrous Attiya and
Osama Slah Farg Allah
- Abstract要約: 提案システムは,Mammogram Image Analysis Society (MIAS)の画像データベースから得られた複数の画像に対して,プログラムを用いて実装し,テストする。
このシステムはより高速に動作し、あらゆる放射線技師が視覚検査によって石灰化の出現について明確な決定を下すことができる。
- 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: Image Processing represents the backbone research area within engineering and
computer science specialization. It is promptly growing technologies today, and
its applications founded in various aspects of biomedical fields especially in
cancer disease. Breast cancer is considered the fatal one of all cancer types
according to recent statistics all over the world. It is the most commonly
cancer in women and the second reason of cancer death between females. About
23% of the total cancer cases in both developing and developed countries. In
this work, an interpolation process was used to classify the breast cancer into
main types, benign and malignant. This scheme dependent on the morphologic
spectrum of mammographic masses. Malignant tumors had irregular shape percent
higher than the benign tumors. By this way the boundary of the tumor will be
interpolated by additional pixels to make the boundary smoothen as possible,
these needed pixels is proportional with irregularity shape of the tumor, so
that the increasing in interpolated pixels meaning the tumor goes toward the
malignant case. The proposed system is implemented using MATLAB programming and
tested over several images taken from the Mammogram Image Analysis Society
(MIAS) image database. The MIAS offers a regular classification for
mammographic studies. The system works faster so that any radiologist can take
a clear decision about the appearance of calcifications by visual inspection.
- Abstract（参考訳）: 画像処理は、工学と計算機科学の専門分野におけるバックボーン研究分野である。
今日では急速に技術が発展し、特に癌疾患におけるバイオメディカル分野の様々な側面においてその応用が確立されている。
世界中の最新の統計によると、乳がんはあらゆる種類のがんの中で致命的なものと考えられている。
女性でもっとも多いがんであり、女性の間でがん死の第二の理由である。
開発途上国と開発途上国のがん患者の約23%を占める。
本研究では、乳がんを良性および悪性の主型に分類するために補間法が用いられた。
このスキームはマンモグラフィーの質量の形態スペクトルに依存する。
悪性腫瘍は良性腫瘍よりも不規則な形状比が高かった。
このようにして、腫瘍の境界を余分なピクセルで補間し、境界をできるだけ滑らかにするため、これらの必要なピクセルは腫瘍の不規則な形状に比例するので、腫瘍が悪性の場合に向かうように補間されたピクセルが増加する。
提案システムはMATLABプログラムを用いて実装され,マンモグラム画像解析協会 (MIAS) の画像データベースから得られた複数の画像に対して検証される。
MIASはマンモグラフィー研究の定期的な分類を提供している。
このシステムはより高速に動作し、あらゆる放射線技師が視覚検査によって石灰化の出現について明確な決定を下すことができる。
関連論文リスト
- Computer Aided Detection and Classification of mammograms using Convolutional Neural Network [0.0]
乳癌は、肺癌に次いで、女性の間で最も大きな死因の1つである。
ディープラーニング(Deep Learning)またはニューラルネットワーク(Neural Network)は、正常な乳房の識別と不規則な乳房の識別に使用できる手法の1つである。
CNNMデータセットは、正常な460枚の画像と異常な乳房の920枚の画像で使用されている。
論文 参考訳（メタデータ） (2024-09-04T03:42:27Z) - Development of an interactive GUI using MATLAB for the detection of type and stage of Breast Tumor [0.18416014644193066]
乳癌は、主に女性で診断された最も一般的ながんの1つである。
男性と女性の割合と比較すると、乳癌の発症傾向は男性よりも女性の方が高いことが判明した。
論文 参考訳（メタデータ） (2024-06-29T16:02:52Z) - 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) - 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) - Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep
Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。
金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。
本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
論文 参考訳（メタデータ） (2023-04-12T15:08:34Z) - 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) - Improving Specificity in Mammography Using Cross-correlation between
Wavelet and Fourier Transform [0.0]
乳がんの発生率は世界中で高いが、死亡率は継続的に減少している。
本稿では、離散ウェーブレット変換とフーリエ変換を適用して画像を解析する手法を検討する。
論文 参考訳（メタデータ） (2022-01-20T00:49:33Z) - 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) - Predicting invasive ductal carcinoma using a Reinforcement Sample
Learning Strategy using Deep Learning [0.951828574518325]
浸潤性管癌の死因は女性で2番目に多い。
特定のマンモグラフィーの像の明瞭度や構造が変化しているため、がんの特徴を観察することは困難である。
本稿では乳房マンモグラフィー画像に畳み込みニューラルネットワークを新たに利用する腫瘍分類アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-05-26T14:14:45Z) - Joint 2D-3D Breast Cancer Classification [22.031221319016353]
デジタルマンモグラフィー(Digital Mammograms、DMまたは2Dマンモグラフィー)とデジタル乳房トモシンセシス(DBTまたは3Dマンモグラフィー)は、乳がんの診断・診断に使用される2種類のマンモグラフィー画像である。
乳がん分類のための新しい畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-02-27T19:08:16Z) - 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。