論文の概要: EBHI:A New Enteroscope Biopsy Histopathological H&E Image Dataset for
Image Classification Evaluation
- arxiv url: http://arxiv.org/abs/2202.08552v1
- Date: Thu, 17 Feb 2022 09:53:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-18 15:50:12.912221
- Title: EBHI:A New Enteroscope Biopsy Histopathological H&E Image Dataset for
Image Classification Evaluation
- Title（参考訳）: EBHI:画像分類のための新しい内視鏡生検組織学的H&E画像データセット
- Authors: Weiming Hu, Chen Li, Xiaoyan Li, Md Mamunur Rahaman, Yong Zhang,
Haoyuan Chen, Wanli Liu, Yudong Yao, Hongzan Sun, Ning Xu, Xinyu Huang and
Marcin Grzegorze
- Abstract要約: 大腸癌は世界で3番目に多いがんであり、がん患者の約10%を占めている。
本稿では,新たに公開された内視鏡生検生検生検生データ(EBHI)について報告する。
従来の機械学習手法は76.02%の最大精度を達成し、ディープラーニング手法は95.37%の最大精度を達成している。
- 参考スコア（独自算出の注目度）: 29.162527503224364
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background and purpose: Colorectal cancer has become the third most common
cancer worldwide, accounting for approximately 10% of cancer patients. Early
detection of the disease is important for the treatment of colorectal cancer
patients. Histopathological examination is the gold standard for screening
colorectal cancer. However, the current lack of histopathological image
datasets of colorectal cancer, especially enteroscope biopsies, hinders the
accurate evaluation of computer-aided diagnosis techniques. Methods: A new
publicly available Enteroscope Biopsy Histopathological H&E Image Dataset
(EBHI) is published in this paper. To demonstrate the effectiveness of the EBHI
dataset, we have utilized several machine learning, convolutional neural
networks and novel transformer-based classifiers for experimentation and
evaluation, using an image with a magnification of 200x. Results: Experimental
results show that the deep learning method performs well on the EBHI dataset.
Traditional machine learning methods achieve maximum accuracy of 76.02% and
deep learning method achieves a maximum accuracy of 95.37%. Conclusion: To the
best of our knowledge, EBHI is the first publicly available colorectal
histopathology enteroscope biopsy dataset with four magnifications and five
types of images of tumor differentiation stages, totaling 5532 images. We
believe that EBHI could attract researchers to explore new classification
algorithms for the automated diagnosis of colorectal cancer, which could help
physicians and patients in clinical settings.
- Abstract（参考訳）: 背景と目的: 大腸癌は世界で3番目に多いがんであり、がん患者の約10%を占めている。
この疾患の早期発見は大腸癌患者の治療に重要である。
病理組織検査は大腸癌検診の金本位制である。
しかし,現在の大腸癌,特に内視鏡生検の病理組織像データセットの欠如は,コンピュータ支援診断技術の正確な評価を妨げている。
方法: 新たに公開された腸鏡生検組織病理組織学的h&e画像データセット (ebhi) を本論文で発表する。
EBHIデータセットの有効性を実証するために,200倍の倍率の画像を用いて,複数の機械学習,畳み込みニューラルネットワーク,新しいトランスフォーマーベース分類器を用いて実験と評価を行った。
結果:実験結果から,深層学習法はEBHIデータセットで良好に動作することが示された。
従来の機械学習手法は最大精度76.02%、ディープラーニング手法は最大精度95.37%である。
結語: EBHIは4倍, 5種類の腫瘍分化期像, 5532枚の画像を含む, 初めて公開された大腸病理組織内視鏡生検データセットである。
EBHIは大腸癌の自動診断のための新しい分類アルゴリズムを研究者に提供し、臨床現場で医師や患者に役立てることができると考えている。
関連論文リスト
- Advanced Hybrid Deep Learning Model for Enhanced Classification of Osteosarcoma Histopathology Images [0.0]
本研究は, 小児および思春期において最も多い骨癌である骨肉腫(OS)に焦点を当て, 腕と足の長い骨に影響を及ぼす。
我々は、OSの診断精度を向上させるために、畳み込みニューラルネットワーク(CNN)と視覚変換器(ViT)を組み合わせた新しいハイブリッドモデルを提案する。
このモデルは精度99.08%、精度99.10%、リコール99.28%、F1スコア99.23%を達成した。
論文 参考訳（メタデータ） (2024-10-29T13:54:08Z) - Multi-modal Medical Image Fusion For Non-Small Cell Lung Cancer Classification [7.002657345547741]
非小細胞肺癌(NSCLC)は、世界中のがん死亡の主な原因である。
本稿では, 融合医療画像(CT, PET)と臨床健康記録, ゲノムデータとを合成する, マルチモーダルデータの革新的な統合について紹介する。
NSCLCの検出と分類精度の大幅な向上により,本研究は既存のアプローチを超越している。
論文 参考訳（メタデータ） (2024-09-27T12:59:29Z) - 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) - BreastRegNet: A Deep Learning Framework for Registration of Breast
Faxitron and Histopathology Images [0.05454343470301196]
本研究では,モノモーダル合成画像対に基づいて学習した深層学習に基づく画像登録手法を提案する。
モデルは、ネオアジュバント化学療法を受け、手術を受けた50人の女性のデータを用いて訓練された。
論文 参考訳（メタデータ） (2024-01-18T08:23:29Z) - EBHI-Seg: A Novel Enteroscope Biopsy Histopathological Haematoxylin and
Eosin Image Dataset for Image Segmentation Tasks [21.17913442266469]
大腸癌は一般的な致死性悪性腫瘍であり、男性では4番目に多いがんであり、世界でも3番目に多いがんである。
直腸がんの組織学的画像分割のためのデータセットが欠如しており、診断にコンピュータ技術を使用する場合、しばしば評価精度を損なう。
このデータセットは、大腸癌の診断のための新しいセグメンテーションアルゴリズムを研究者に提供することができる。
論文 参考訳（メタデータ） (2022-12-01T14:37:12Z) - Lesion detection in contrast enhanced spectral mammography [0.0]
近年の乳房画像解析のためのニューラルネットワークモデルの出現は、コンピュータ支援診断における画期的な進歩である。
本研究は,CESMリコンビネート画像に対する深層学習に基づくコンピュータ支援診断開発を提案し,病変の検出と症例の分類を行う。
論文 参考訳（メタデータ） (2022-07-20T06:49:02Z) - Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。
本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文 参考訳（メタデータ） (2022-02-17T08:33:52Z) - OncoPetNet: A Deep Learning based AI system for mitotic figure counting
on H&E stained whole slide digital images in a large veterinary diagnostic
lab setting [47.38796928990688]
OncoPetNetの開発において,複数の最先端ディープラーニング技術を用いて病理組織像分類と有糸体像検出を行った。
提案システムは,14種類の癌に対して,ヒトのエキスパートベースラインと比較して,41例の有糸分裂計数性能を有意に向上させた。
デプロイでは、2つのセンターで1日3,323枚のデジタル全スライド画像を処理する高スループット獣医診断サービスにおいて、効果的な0.27分/スライダー推論が達成された。
論文 参考訳（メタデータ） (2021-08-17T20:01:33Z) - 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) - Spatio-spectral deep learning methods for in-vivo hyperspectral
laryngeal cancer detection [49.32653090178743]
頭頸部腫瘍の早期発見は患者の生存に不可欠である。
ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。
HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
論文 参考訳（メタデータ） (2020-04-21T17:07:18Z)
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。