論文の概要: MSHT: Multi-stage Hybrid Transformer for the ROSE Image Analysis of
Pancreatic Cancer
- arxiv url: http://arxiv.org/abs/2112.13513v1
- Date: Mon, 27 Dec 2021 05:04:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-28 16:12:21.033885
- Title: MSHT: Multi-stage Hybrid Transformer for the ROSE Image Analysis of
Pancreatic Cancer
- Title（参考訳）: MSHT : 膵癌のROSE画像解析のための多段階ハイブリッドトランス
- Authors: Tianyi Zhang, Yunlu Feng, Yu Zhao, Guangda Fan, Aiming Yang, Shangqin
Lyu, Peng Zhang, Fan Song, Chenbin Ma, Yangyang Sun, Youdan Feng, and
Guanglei Zhang
- Abstract要約: 膵癌は世界で最も悪性ながんの1つであり、非常に高い死亡率で急速に悪化する。
自動ワークフローを実現するために,ハイブリッドな高性能ディープラーニングモデルを提案する。
4240個のROSE画像のデータセットを収集し、この未探索領域における手法を評価する。
- 参考スコア（独自算出の注目度）: 5.604939010661757
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Pancreatic cancer is one of the most malignant cancers in the world, which
deteriorates rapidly with very high mortality. The rapid on-site evaluation
(ROSE) technique innovates the workflow by immediately analyzing the fast
stained cytopathological images with on-site pathologists, which enables faster
diagnosis in this time-pressured process. However, the wider expansion of ROSE
diagnosis has been hindered by the lack of experienced pathologists. To
overcome this problem, we propose a hybrid high-performance deep learning model
to enable the automated workflow, thus freeing the occupation of the valuable
time of pathologists. By firstly introducing the Transformer block into this
field with our particular multi-stage hybrid design, the spatial features
generated by the convolutional neural network (CNN) significantly enhance the
Transformer global modeling. Turning multi-stage spatial features as global
attention guidance, this design combines the robustness from the inductive bias
of CNN with the sophisticated global modeling power of Transformer. A dataset
of 4240 ROSE images is collected to evaluate the method in this unexplored
field. The proposed multi-stage hybrid Transformer (MSHT) achieves 95.68% in
classification accuracy, which is distinctively higher than the
state-of-the-art models. Facing the need for interpretability, MSHT outperforms
its counterparts with more accurate attention regions. The results demonstrate
that the MSHT can distinguish cancer samples accurately at an unprecedented
image scale, laying the foundation for deploying automatic decision systems and
enabling the expansion of ROSE in clinical practice. The code and records are
available at: https://github.com/sagizty/Multi-Stage-Hybrid-Transformer.
- Abstract（参考訳）: 膵癌は世界で最も悪性ながんの1つであり、非常に高い死亡率で急速に悪化する。
迅速オンサイト評価 (ROSE) 技術は, 早期の染色細胞病理像を現場病理医に即時解析することで, そのワークフローを革新し, 時間的圧迫による診断を高速化する。
しかし、ROSEの診断範囲の拡大は、経験豊富な病理医の欠如によって妨げられている。
この問題を解決するために、我々は、自動化ワークフローを実現するためのハイブリッドな高性能ディープラーニングモデルを提案する。
まず,多段ハイブリッド設計によるトランスフォーマーブロックの導入により,畳み込みニューラルネットワーク(cnn)が生成する空間的特徴により,トランスフォーマーグローバルモデリングが大幅に向上した。
この設計は、cnnの帰納的バイアスとトランスフォーマの洗練されたグローバルモデリング能力との強固さを組み合わせたものである。
4240個のROSE画像のデータセットを収集し、この未探索領域における手法を評価する。
提案する多段ハイブリッド変圧器 (msht) は分類精度95.68%を達成し, 最新モデルよりも顕著に高い。
解釈可能性の必要性に直面したMSHTは、より正確な注意領域を持つ相手よりも優れている。
以上の結果から,MSHTは前例のない画像スケールでがん検体を正確に識別し,自動判定システムの構築と臨床実践におけるROSEの拡張を可能にする基盤を築き上げた。
コードとレコードは、https://github.com/sagizty/Multi-Stage-Hybrid-Transformerで入手できる。
関連論文リスト
- A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
ディープニューラルネットワークは、アンダーサンプル計測から高忠実度画像を再構成する大きな可能性を示している。
我々のモデルは、離散化に依存しないアーキテクチャであるニューラル演算子に基づいている。
我々の推論速度は拡散法よりも1,400倍速い。
論文 参考訳（メタデータ） (2024-10-05T20:03:57Z) - Prototype Learning Guided Hybrid Network for Breast Tumor Segmentation in DCE-MRI [58.809276442508256]
本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマー層を組み合わせたハイブリッドネットワークを提案する。
プライベートおよびパブリックなDCE-MRIデータセットの実験結果から,提案したハイブリッドネットワークは最先端の手法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-08-11T15:46:00Z) - Benchmarking Image Transformers for Prostate Cancer Detection from Ultrasound Data [3.8208601340697386]
超音波画像における前立腺癌(PCa)の分類のための深層学習法は、通常、針トレース領域に沿った小さな領域(ROI)におけるがんを検出するために、畳み込みネットワーク(CNN)を用いている。
マルチ・インスタンス・ラーニング(MIL)を用いて複数のROIから癌を検出するために,トランスフォーマーの認識とCNN特徴抽出器を組み合わせることで,この問題を軽減するためのマルチスケールアプローチが提案されている。
本稿では、ROIスケールおよびマルチスケールの分類のための複数の画像トランスフォーマーアーキテクチャについて検討し、超音波による前立腺癌分類のためのCNNとトランスフォーマーの性能の比較を行った。
論文 参考訳（メタデータ） (2024-03-27T03:39:57Z) - Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。
本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。
実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
論文 参考訳（メタデータ） (2023-10-22T02:27:02Z) - Breast Ultrasound Tumor Classification Using a Hybrid Multitask
CNN-Transformer Network [63.845552349914186]
胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。
ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。
本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
論文 参考訳（メタデータ） (2023-08-04T01:19:32Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳（メタデータ） (2023-06-23T03:09:03Z) - MedViT: A Robust Vision Transformer for Generalized Medical Image
Classification [4.471084427623774]
我々は,CNNの局所性と視覚変換器のグローバル接続性を備えた,頑健で効率的なCNN-Transformerハイブリッドモデルを提案する。
提案したハイブリッドモデルは,MedMNIST-2Dデータセットの大規模コレクションに関する最先端の研究と比較して,高い堅牢性と一般化能力を示す。
論文 参考訳（メタデータ） (2023-02-19T02:55:45Z) - Hierarchical Transformer for Survival Prediction Using Multimodality
Whole Slide Images and Genomics [63.76637479503006]
下流タスクのためのギガピクセルレベルのスライド病理画像(WSI)の良質な表現を学習することが重要である。
本稿では,病理画像と対応する遺伝子間の階層的マッピングを学習する階層型マルチモーダルトランスフォーマーフレームワークを提案する。
より優れたWSI表現能力を維持しながら、ベンチマーク手法と比較してGPUリソースが少ないアーキテクチャです。
論文 参考訳（メタデータ） (2022-11-29T23:47:56Z) - Shuffle Instances-based Vision Transformer for Pancreatic Cancer ROSE
Image Classification [5.960465634030524]
ラピッドオンサイト評価(ROSE)技術は膵癌の診断を加速させる。
がんのパターンはサンプルによって大きく異なり、コンピュータ診断タスクは非常に難しい。
本稿では,シャッフルインスタンスをベースとしたビジョントランス (SI-ViT) アプローチを提案する。
論文 参考訳（メタデータ） (2022-08-14T11:37:04Z) - Implementation of Convolutional Neural Network Architecture on 3D
Multiparametric Magnetic Resonance Imaging for Prostate Cancer Diagnosis [0.0]
磁気共鳴画像における前立腺病変の自動分類のための新しいディープラーニング手法を提案する。
提案手法は受信器動作特性曲線値0.87の領域で分類性能を達成した。
提案フレームワークは前立腺癌における医用画像の解釈を補助し,不必要な生検を減らす可能性を反映している。
論文 参考訳（メタデータ） (2021-12-29T16:47:52Z) - Hybrid guiding: A multi-resolution refinement approach for semantic
segmentation of gigapixel histopathological images [0.7490318169877296]
セマンティックセグメンテーションのための、H2G-Netと呼ばれるカスケード畳み込みニューラルネットワーク設計を提案する。
設計にはパッチワイズ方式による検出段階と、畳み込みオートエンコーダを用いた改良段階が含まれる。
最高の設計は90 WSIの独立したテストセットでDiceスコア0.933を達成した。
論文 参考訳（メタデータ） (2021-12-07T02:31:29Z)
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。