論文の概要: A Pathology-Based Machine Learning Method to Assist in Epithelial Dysplasia Diagnosis

• arxiv url: http://arxiv.org/abs/2204.03572v1
• Date: Thu, 7 Apr 2022 16:45:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-08 14:42:22.731904
• Title: A Pathology-Based Machine Learning Method to Assist in Epithelial Dysplasia Diagnosis
• Title（参考訳）: 上皮異形成診断支援のための病理に基づく機械学習手法
• Authors: Karoline da Rocha, Jos\'e C. M. Bermudez, Elena R. C. Rivero, M\'arcio H. Costa
• Abstract要約: 上皮性Dysplasia(ED)は口腔癌に先行する病変にみられる組織変化である。 本研究では, 変形性上皮の検出を支援するために, 計算コストの低い分類システムを設計する手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Epithelial Dysplasia (ED) is a tissue alteration commonly present in lesions preceding oral cancer, being its presence one of the most important factors in the progression toward carcinoma. This study proposes a method to design a low computational cost classification system to support the detection of dysplastic epithelia, contributing to reduce the variability of pathologist assessments. We employ a multilayer artificial neural network (MLP-ANN) and defining the regions of the epithelium to be assessed based on the knowledge of the pathologist. The performance of the proposed solution was statistically evaluated. The implemented MLP-ANN presented an average accuracy of 87%, with a variability much inferior to that obtained from three trained evaluators. Moreover, the proposed solution led to results which are very close to those obtained using a convolutional neural network (CNN) implemented by transfer learning, with 100 times less computational complexity. In conclusion, our results show that a simple neural network structure can lead to a performance equivalent to that of much more complex structures, which are routinely used in the literature.
• Abstract（参考訳）: 上皮性Dysplasia(ED)は口腔癌に先行する病変に存在する組織変化であり、その存在は癌への進行において最も重要な要因の一つである。 本研究では, 異形成性上皮の検出を支援する低計算コスト分類システムの設計法を提案し, 病理組織学的評価の多様性の低減に寄与する。 我々は多層型ニューラルネットワーク (mlp-ann) を用いて, 病理学者の知識に基づいて評価すべき上皮の領域を定義する。 提案手法の性能を統計的に評価した。 MLP-ANNは平均87%の精度を示し、3つの訓練された評価器から得られたものよりも変動性が劣った。 さらに,提案手法は,トランスファー学習によって実装された畳み込みニューラルネットワーク(cnn)を用いて得られた結果に非常に近い結果が得られた。 結論として, 単純なニューラルネットワーク構造は, 論文で日常的に使われている, はるかに複雑な構造に匹敵する性能をもたらす可能性が示唆された。

関連論文リスト

• Evaluating LeNet Algorithms in Classification Lung Cancer from Iraq-Oncology Teaching Hospital/National Center for Cancer Diseases [0.0]
  深層学習モデルであるLeNetは肺腫瘍の検出に用いられている。 提案システムはイラク・オンコロジー教育病院・国立がん疾患センターで評価された。
  論文  参考訳（メタデータ） (2023-05-19T19:23:08Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• Exploiting segmentation labels and representation learning to forecast therapy response of PDAC patients [60.78505216352878]
  化学療法に対する腫瘍反応を予測するためのハイブリッドディープニューラルネットワークパイプラインを提案する。 セグメンテーションから分類への表現伝達の組み合わせと、ローカライゼーションと表現学習を利用する。 提案手法は, 合計477個のデータセットを用いて, ROC-AUC 63.7% の処理応答を予測できる, 極めて効率的な手法である。
  論文  参考訳（メタデータ） (2022-11-08T11:50:31Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
  本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-10T13:07:11Z)
• A Computer-Aided Diagnosis System for Breast Pathology: A Deep Learning Approach with Model Interpretability from Pathological Perspective [6.583997407109283]
  深層学習による病変検出と分類のためのコンピュータ支援診断システム(CAD)を開発した。 本研究では, 畳み込みニューラルネットワーク(CNN)の分類において, 深い特徴が示され, 包括的解釈が可能となった。
  論文  参考訳（メタデータ） (2021-08-05T14:43:59Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• A Feasibility study for Deep learning based automated brain tumor segmentation using Magnetic Resonance Images [0.0]
  深部畳み込みニューラルネットワーク(CNN)に基づく分類ネットワークおよび脳腫瘍MR画像分類および腫瘍局在のための高速RCNNベースの局在ネットワークが開発された。 提案した腫瘍セグメンテーションアーキテクチャの全体的な性能を,精度,境界変位誤差(BDE),Diceスコア,信頼区間などの客観的な品質パラメータを用いて解析した。 セグメント化された出力の信頼度は、専門家の信頼度と同じ範囲にあることが観察されました。
  論文  参考訳（メタデータ） (2020-12-22T12:11:42Z)
• Encoding Clinical Priori in 3D Convolutional Neural Networks for Prostate Cancer Detection in bpMRI [1.0312968200748118]
  臨床的に有意な前立腺癌(csPCa)の空間的有病率と部位的鑑別を捉える確率的集団を導入した。 U-Net, U-SEResNet, UNet++, Attention U-Netの3次元適応を800の機関的トレーニングバリデーションスキャンを用いて訓練し, 放射線学的に推定されたアノテーションと組み合わせて計算を行った。 病理組織学的に確認されたcsPCaによる200個のbpMRI検査において,臨床先行診断を符号化する方法は,患者による診断を改善する強力な能力を示す。
  論文  参考訳（メタデータ） (2020-10-31T13:10:58Z)
• A Novel and Efficient Tumor Detection Framework for Pancreatic Cancer via CT Images [21.627818410241552]
  本稿では,新しい膵腫瘍検出フレームワークを提案する。 提案手法のコントリビューションは,Augmented Feature Pyramid Network,Self-Adaptive Feature Fusion,Dependencies Computation Moduleの3つのコンポーネントから構成される。 実験により,AUCの0.9455による検出において,他の最先端手法よりも優れた性能が得られた。
  論文  参考訳（メタデータ） (2020-02-11T15:48:22Z)

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。