論文の概要: Breast Cancer Detection using Histopathological Images
- arxiv url: http://arxiv.org/abs/2202.06109v1
- Date: Sat, 12 Feb 2022 17:45:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-15 17:02:54.698327
- Title: Breast Cancer Detection using Histopathological Images
- Title（参考訳）: 病理組織像を用いた乳癌検出
- Authors: Jitendra Maan, Harsh Maan
- Abstract要約: 本稿では,先進的な深層学習技術の助けを借りて,塩分濃度検出システムを提案する。
CNN(VGG16, ResNet Architecture)による乳癌の5つの診断カテゴリーの同定について検討した。
この検出システムは、病理学者や医療機関が利用できるオープンソースのWebアプリケーションとして利用できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Cancer is one of the most common and fatal diseases in the world. Breast
cancer affects one in every eight women and one in every eight hundred men.
Hence, our prime target should be early detection of cancer because the early
detection of cancer can be helpful to cure cancer effectively. Therefore, we
propose a saliency detection system with the help of advanced deep learning
techniques, such that the machine will be taught to emulate actions of
pathologists for localization of diagnostically pertinent regions. We study
identification of five diagnostic categories of breast cancer by training a CNN
(VGG16, ResNet architecture). We have used BreakHis dataset to train our model.
We focus on both detection and classification of cancerous regions in
histopathology images. The diagnostically relevant regions are salient. The
detection system will be available as an open source web application which can
be used by pathologists and medical institutions.
- Abstract（参考訳）: がんは世界で最も一般的で致命的な病気の1つです。
乳癌は女性8人に1人、男性800人に1人に影響する。
したがって,癌の早期発見は癌を効果的に治すのに役立つため,がんの早期発見を主目的とすべきである。
そこで本研究では,より高度な深層学習技術の助けを借りて,診断関連領域の局所化のための病理医の行動をエミュレートするシステムを提案する。
cnn(vgg16, resnet architecture)を訓練し, 乳癌の5つの診断カテゴリーの同定を行った。
BreakHisデータセットを使ってモデルをトレーニングしました。
病理組織像における癌領域の検出と分類に焦点をあてる。
診断関連領域は健全である。
この検出システムは、病理学者や医療機関が利用できるオープンソースのWebアプリケーションとして利用できる。
関連論文リスト
- Are nuclear masks all you need for improved out-of-domain generalisation? A closer look at cancer classification in histopathology [49.518701946822446]
我々は,核形態学と組織に着目して,癌検出のためのOODの一般化を改善するための簡単なアプローチを提案する。
本手法では,核分割マスクを原画像と統合し,核の優先順位付けを奨励する。
複数のデータセットを用いて,OODの一般化が向上し,画像の破損や敵攻撃に対するロバスト性も向上することを示す。
論文 参考訳（メタデータ） (2024-11-14T11:27:15Z) - Cancer Cell Classification using Deep Learning [0.0]
悪性腫瘍には良性腫瘍と悪性腫瘍の2種類がある。
今日のオンライン環境で生産されるデータのほとんどは、医療やソーシャルメディアに関連するウェブサイトから来ている。
本研究は, 細菌細胞を種々の深層学習アルゴリズムを用いて良性又は癌性に分類する。
論文 参考訳（メタデータ） (2024-10-21T21:21:16Z) - A Preliminary Investigation into Search and Matching for Tumour
Discrimination in WHO Breast Taxonomy Using Deep Networks [3.3519874057464283]
最先端の深層学習モデルから抽出した深部像を用いて,35種類の腫瘍のWHO乳房分類を解析した。
WHOの乳腺分類データにおけるパッチ類似性検索は、「多数投票」による検証で88%以上の精度に達した。
これらの結果から, 乳房病変と乳房病変の複雑な関係について, 索引付きデジタルアーカイブを用いて検討した。
論文 参考訳（メタデータ） (2023-08-22T03:40:46Z) - 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) - Enhancing Clinical Support for Breast Cancer with Deep Learning Models
using Synthetic Correlated Diffusion Imaging [66.63200823918429]
深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。
我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。
提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
論文 参考訳（メタデータ） (2022-11-10T03:02:12Z) - Recent trends and analysis of Generative Adversarial Networks in
Cervical Cancer Imaging [0.0]
子宮頸癌は女性の全がんの6-29%を占める。
この疾患の早期発見は、患者の治療と生存率の向上に役立つ。
Generative Adversarial Networks (GANs) は、子宮頸癌のスクリーニング、検出、分類において速度に追いついている。
論文 参考訳（メタデータ） (2022-09-23T05:45:40Z) - Breast cancer detection using artificial intelligence techniques: A
systematic literature review [3.6608644315416585]
2020年だけで、米国内で27万6000人以上の浸潤性乳癌と4万8000人以上の非浸潤性症例が診断された。
これらの数字をみると、これらの症例の64%は、疾患のサイクルの早い段階で診断され、99%の生存確率が与えられる。
ディープラーニングは、重篤な疾患の検出と治療に影響を与える最も重要な特徴を分析するように設計されている。
論文 参考訳（メタデータ） (2022-03-08T13:51:17Z) - 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) - Classification of Histopathology Images of Lung Cancer Using
Convolutional Neural Network (CNN) [0.2578242050187029]
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。
論文 参考訳（メタデータ） (2021-12-27T07:43:58Z) - CancerNet-SCa: Tailored Deep Neural Network Designs for Detection of
Skin Cancer from Dermoscopy Images [71.68436132514542]
皮膚がんはアメリカ合衆国で最も頻繁に診断されるがんである。
本研究では,皮膚内視鏡画像から皮膚がんを検出するための深層神経回路の設計手法である CancerNet-SCa について紹介する。
論文 参考訳（メタデータ） (2020-11-21T02:17:59Z) - 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。