論文の概要: Classification of Histopathology Images of Lung Cancer Using Convolutional Neural Network (CNN)

• arxiv url: http://arxiv.org/abs/2112.13553v1
• Date: Mon, 27 Dec 2021 07:43:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-28 23:23:59.036798
• Title: Classification of Histopathology Images of Lung Cancer Using Convolutional Neural Network (CNN)
• Title（参考訳）: 畳み込みニューラルネットワーク(CNN)を用いた肺癌の病理組織像の分類
• Authors: Neha Baranwal, Preethi Doravari and Renu Kachhoria
• Abstract要約: がんは人体内の異常な細胞の制御不能な細胞分裂であり、他の臓器に拡がることがある。 非感染性疾患(NCD)の1つであり、NCDは全世界で死者の71%を占めている。 乳癌は女性乳癌に次いで2番目に多いがんである。肺癌の生存率は19%に過ぎない。
• 参考スコア（独自算出の注目度）: 0.2578242050187029
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Cancer is the uncontrollable cell division of abnormal cells inside the human body, which can spread to other body organs. It is one of the non-communicable diseases (NCDs) and NCDs accounts for 71% of total deaths worldwide whereas lung cancer is the second most diagnosed cancer after female breast cancer. Cancer survival rate of lung cancer is only 19%. There are various methods for the diagnosis of lung cancer, such as X-ray, CT scan, PET-CT scan, bronchoscopy and biopsy. However, to know the subtype of lung cancer based on the tissue type H and E staining is widely used, where the staining is done on the tissue aspirated from a biopsy. Studies have reported that the type of histology is associated with prognosis and treatment in lung cancer. Therefore, early and accurate detection of lung cancer histology is an urgent need and as its treatment is dependent on the type of histology, molecular profile and stage of the disease, it is most essential to analyse the histopathology images of lung cancer. Hence, to speed up the vital process of diagnosis of lung cancer and reduce the burden on pathologists, Deep learning techniques are used. These techniques have shown improved efficacy in the analysis of histopathology slides of cancer. Several studies reported the importance of convolution neural networks (CNN) in the classification of histopathological pictures of various cancer types such as brain, skin, breast, lung, colorectal cancer. In this study tri-category classification of lung cancer images (normal, adenocarcinoma and squamous cell carcinoma) are carried out by using ResNet 50, VGG-19, Inception_ResNet_V2 and DenseNet for the feature extraction and triplet loss to guide the CNN such that it increases inter-cluster distance and reduces intra-cluster distance.
• Abstract（参考訳）: がんは人体内の異常な細胞の制御不能な細胞分裂であり、他の臓器に拡がることがある。 非免疫性疾患(NCD)の1つであり、NCDは全世界で死者の71%を占めており、肺癌は女性乳癌に次ぐ2番目に診断されたがんである。 肺癌の生存率は19%である。 X線、CTスキャン、PET-CTスキャン、気管支鏡、生検など、肺がんの診断には様々な方法がある。 しかし、組織型HおよびE染色に基づく肺癌の亜型を知るために広く用いられており、生検で吸引された組織上で染色を行う。 研究によると、この組織学のタイプは肺癌の予後と治療に関連している。 したがって,早期かつ正確な肺がん組織診は必要不可欠であり,その治療は病の組織像の種類,分子プロファイル,ステージに依存しているため,肺癌の病理像を解析することが最も重要である。 したがって, 肺癌の診断を迅速化し, 病理医の負担を軽減するため, 深層学習技術が用いられている。 これらの手法は、がんの病理組織学的スライスの解析において改善された効果を示した。 コンボリューションニューラルネットワーク(CNN)は脳、皮膚、乳房、肺、大腸癌などの様々ながんの病理組織像の分類において重要であると報告されている。 本研究では,ResNet 50,VGG-19,Inception_ResNet_V2,DenseNetを用いて肺がん画像(正常,腺癌,扁平上皮癌)の3カテゴリ分類を行い,CNNを誘導し,クラスタ間距離を増大させ,クラスタ内距離を減少させる。

関連論文リスト

• Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
  ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。 ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。 本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
  論文  参考訳（メタデータ） (2024-05-13T15:40:56Z)
• Double Integral Enhanced Zeroing Neural Network Optimized with ALSOA fostered Lung Cancer Classification using CT Images [1.1510009152620668]
  肺がんは最も致命的な疾患の1つであり、疾患や死亡の原因となっている。 提案手法は既存の手法で解析した18.32%,27.20%,34.32%の精度で得られた。
  論文  参考訳（メタデータ） (2023-12-05T10:53:35Z)
• Using VGG16 Algorithms for classification of lung cancer in CT scans Image [0.0]
  VGG16と呼ばれる深層学習アルゴリズムは、がんの結節の診断と分類を支援するために開発された。 VGG16は悪性、良性、健康な患者のがんの医療像を分類することができる。
  論文  参考訳（メタデータ） (2023-05-27T18:50:12Z)
• 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)
• Deep Learning Approach for Early Stage Lung Cancer Detection [0.0]
  肺癌患者の生存率は遅発診断による他のがん患者と比較して非常に低い。 本稿ではCTスキャンによる早期肺癌の予測と診断のためのディープラーニングモデルを提案する。
  論文  参考訳（メタデータ） (2023-02-05T18:50:12Z)
• A Pathologist-Informed Workflow for Classification of Prostate Glands in Histopathology [62.997667081978825]
  病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。 がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。 本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
  論文  参考訳（メタデータ） (2022-09-27T14:08:19Z)
• Machine Learning-based Lung and Colon Cancer Detection using Deep Feature Extraction and Ensemble Learning [0.9786690381850355]
  肺がんと大腸癌を効率よく同定するためのハイブリッドアンサンブル特徴抽出モデルを提案する。 深い特徴抽出とアンサンブル学習と、がん画像データセットのための高性能なフィルタリングを統合している。 本モデルでは, 99.05%, 100%, 99.30%の精度で, 肺癌, 大腸癌, 結腸癌を検出できる。
  論文  参考訳（メタデータ） (2022-06-02T15:14:41Z)
• Early Diagnosis of Lung Cancer Using Computer Aided Detection via Lung Segmentation Approach [0.1749935196721634]
  アメリカがん協会は、がんによる死亡件数の約27%を推定している。 その進化の初期段階では、肺がんは通常は症状を起こさない。 多くの患者は、症状がより顕著になり、治療が不十分で死亡率の高い進行期に診断されている。
  論文  参考訳（メタデータ） (2021-07-23T05:46:06Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)
• Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors [72.65802386845002]
  本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。 我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。 我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
  論文  参考訳（メタデータ） (2020-04-04T21:21:44Z)

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。