論文の概要: A Survey of Breast Cancer Screening Techniques: Thermography and Electrical Impedance Tomography

• arxiv url: http://arxiv.org/abs/2202.03737v1
• Date: Tue, 8 Feb 2022 09:25:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-09 15:02:52.273537
• Title: A Survey of Breast Cancer Screening Techniques: Thermography and Electrical Impedance Tomography
• Title（参考訳）: 乳がんスクリーニング技術に関するサーベイ:サーモグラフィーと電気インピーダンストモグラフィー
• Authors: Juan Zuluaga-Gomez, N. Zerhouni, Z. Al Masry, C. Devalland, C. Varnier
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.5480546613836199
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Breast cancer is a disease that threatens many women's life, thus, early and accurate detection plays a key role in reducing the mortality rate. Mammography stands as the reference technique for breast cancer screening; nevertheless, many countries still lack access to mammograms due to economic, social, and cultural issues. Last advances in computational tools, infrared cameras, and devices for bio-impedance quantification allowed the development of parallel techniques like thermography, infrared imaging, and electrical impedance tomography, these being faster, reliable and cheaper. In the last decades, these have been considered as complement procedures for breast cancer diagnosis, where many studies concluded that false positive and false negative rates are greatly reduced. This work aims to review the last breakthroughs about the three above-mentioned techniques describing the benefits of mixing several computational skills to obtain a better global performance. In addition, we provide a comparison between several machine learning techniques applied to breast cancer diagnosis going from logistic regression, decision trees, and random forest to artificial, deep, and convolutional neural networks. Finally, it is mentioned several recommendations for 3D breast simulations, pre-processing techniques, biomedical devices in the research field, prediction of tumor location and size.
• Abstract（参考訳）: 乳がんは、多くの女性の生命を脅かす病気であり、早期かつ正確な発見が死亡率の低下に重要な役割を果たしている。 マンモグラフィは乳がん検診の基準技術であるが、多くの国では経済的、社会的、文化的問題のためにマンモグラフィへのアクセスが不足している。 計算ツール、赤外線カメラ、生体インピーダンス定量化装置の進歩により、サーモグラフィー、赤外線イメージング、電気インピーダンストモグラフィといった並列技術の開発が可能となり、より速く、信頼性が高く、安価になった。 過去数十年間、これらは乳がん診断の補完的手順と考えられており、多くの研究が偽陽性と偽陰性率は大幅に減少していると結論付けている。 本研究は, 先述した3つの技術に関する最後のブレークスルーを概観し, より優れたグローバルパフォーマンスを得るために, 複数の計算スキルを混在させることの利点を説明することを目的とする。 さらに,ロジスティック回帰,決定木,ランダムフォレストから人工,深層,畳み込みニューラルネットワークまで,乳がん診断に適用されるいくつかの機械学習手法の比較を行った。 最後に, 3次元乳房シミュレーション, 前処理技術, 研究分野のバイオメディカルデバイス, 腫瘍の位置と大きさの予測について述べる。

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)
• 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)
• Breast Cancer Diagnosis Using Machine Learning Techniques [0.8528384027684192]
  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） (2023-05-04T01:07:36Z)
• Deep Learning in Breast Cancer Imaging: A Decade of Progress and Future Directions [28.334385132025822]
  乳がんは2020年以降、世界中のすべての悪性腫瘍の中で最高率に達している。 深層学習は乳がん画像解析において顕著な進歩を見せている。 画像ベーススクリーニング,診断,治療反応予測,予後予測における主要なディープラーニング手法と応用について考察した。
  論文  参考訳（メタデータ） (2023-04-13T16:50:31Z)
• 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)
• 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)
• 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)
• Deep Integrated Pipeline of Segmentation Leading to Classification for Automated Detection of Breast Cancer from Breast Ultrasound Images [0.0]
  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。
  論文  参考訳（メタデータ） (2021-10-26T20:42:39Z)
• 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)
• 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。