論文の概要: Deep fusion of gray level co-occurrence matrices for lung nodule
classification
- arxiv url: http://arxiv.org/abs/2205.05123v1
- Date: Tue, 10 May 2022 19:00:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-12 18:09:07.995676
- Title: Deep fusion of gray level co-occurrence matrices for lung nodule
classification
- Title（参考訳）: 肺結節分類のためのグレーレベル共起行列の深層融合
- Authors: Ahmed Saihood, Hossein Karshenas and AhmadReza Naghsh Nilchi
- Abstract要約: 肺がんは人間の健康にとって深刻な脅威であり、がんの遅発性診断のために何百万人もの人が死亡した。
Computerized chest analysis Tomography of scanは肺結節の検出と分類に有効な方法の1つであると推定されている。
肺のC.T.スキャン画像の高精度解析の必要性は、肺がんの検出と分類において重要な課題の1つと考えられている。
- 参考スコア（独自算出の注目度）: 1.8047694351309205
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Lung cancer is a severe menace to human health, due to which millions of
people die because of late diagnoses of cancer; thus, it is vital to detect the
disease as early as possible. The Computerized chest analysis Tomography of
scan is assumed to be one of the efficient solutions for detecting and
classifying lung nodules. The necessity of high accuracy of analyzing C.T. scan
images of the lung is considered as one of the crucial challenges in detecting
and classifying lung cancer. A new long-short-term-memory (LSTM) based deep
fusion structure, is introduced, where, the texture features computed from lung
nodules through new volumetric grey-level-co-occurrence-matrices (GLCM)
computations are applied to classify the nodules into: benign, malignant and
ambiguous. An improved Otsu segmentation method combined with the water strider
optimization algorithm (WSA) is proposed to detect the lung nodules. Otsu-WSA
thresholding can overcome the restrictions present in previous thresholding
methods. Extended experiments are run to assess this fusion structure by
considering 2D-GLCM computations based 2D-slices fusion, and an approximation
of this 3D-GLCM with volumetric 2.5D-GLCM computations-based LSTM fusion
structure. The proposed methods are trained and assessed through the LIDC-IDRI
dataset, where 94.4%, 91.6%, and 95.8% Accuracy, sensitivity, and specificity
are obtained, respectively for 2D-GLCM fusion and 97.33%, 96%, and 98%,
accuracy, sensitivity, and specificity, respectively, for 2.5D-GLCM fusion. The
yield of the same are 98.7%, 98%, and 99%, for the 3D-GLCM fusion. The obtained
results and analysis indicate that the WSA-Otsu method requires less execution
time and yields a more accurate thresholding process. It is found that 3D-GLCM
based LSTM outperforms its counterparts.
- Abstract（参考訳）: 肺癌は人間の健康にとって深刻な脅威であり、がんの診断が遅かったために何百万人もの人が死ぬため、できるだけ早くその病気を検出することが不可欠である。
Computerized chest analysis Tomography of scanは肺結節の検出と分類に有効な方法の1つであると推定されている。
肺のc.t.スキャン画像の高精度解析の必要性は,肺癌の検出と分類において重要な課題の1つであると考えられる。
新しい長期記憶(LSTM)に基づく深層核融合構造を導入し、肺結節から新しい容積グレイレベル共起行列(GLCM)計算により、結節を良性、悪性、曖昧性に分類するテクスチャ特性を適用した。
水柱最適化アルゴリズム(WSA)と組み合わせた改良型大津セグメンテーション法を提案し,肺結節を検出する。
大津wsaしきい値化は、従来のしきい値法に存在する制約を克服することができる。
2次元スライス融合に基づく2D-GLCM計算と、この3D-GLCMの体積2.5D-GLCM計算に基づくLSTM融合構造を近似することにより、この融合構造を評価するための実験が拡張されている。
提案手法は, LIDC-IDRIデータセットを用いて, 精度94.4%, 91.6%, 感度95.8%, 特異度97.33%, 96%, 98%, 精度、感度および特異度2.5D-GLCM融合でそれぞれ得られた。
同じ収率は98.7%、98%、99%であり、3D-GLCM融合である。
その結果,wsa-otsu法は実行時間が少なく,より正確なしきい値化プロセスが得られることがわかった。
3D-GLCMをベースとしたLSTMは,その性能に優れていた。
関連論文リスト
- 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) - MESAHA-Net: Multi-Encoders based Self-Adaptive Hard Attention Network
with Maximum Intensity Projections for Lung Nodule Segmentation in CT Scan [6.266053305874546]
マルチエンコーダをベースとした自己適応型ハードアテンションネットワーク(MESAHA-Net)をCTスキャンの高精度な肺結節分割のための効率的なエンドツーエンドフレームワークとして提案する。
MESAHA-Netは、肺結節のスライス・バイ・スライス2Dセグメンテーションを反復的に行い、各スライス内の結節領域に着目して肺結節の3Dセグメンテーションを生成する。
LIDC-IDRIデータセットは,肺結節セグメンテーションのための最大公用データセットである。
論文 参考訳（メタデータ） (2023-04-04T07:05:15Z) - An Efficient and Robust Method for Chest X-Ray Rib Suppression that
Improves Pulmonary Abnormality Diagnosis [0.49998148477760956]
胸部X線(CXR)に対する胸部骨陰影の抑制は肺疾患の診断を改善することが示唆された。
従来のアプローチは、教師なしの物理的および教師なしのディープラーニングモデルに分類される。
本研究では,(1)空間変換勾配場における物理モデルによる最小化によりGT骨影を除去した2段階のトレーニングペアの生成について,一般化可能かつ効率的なワークフローを提案する。
2) 受信したCXRの高速リブ除去のために,ステージ1データセット上でのネットワークトレーニングをフル教師する。
論文 参考訳（メタデータ） (2023-02-19T23:47:02Z) - Spatio-Temporal Hybrid Fusion of CAE and SWIn Transformers for Lung
Cancer Malignancy Prediction [14.7474816215111]
本稿では,新しいハイブリッド・ディスカバリ・ラジオミクス・フレームワークを提案する。
非薄い胸部CTスライスから抽出した時間的特徴と空間的特徴を同時に統合する。
肺腺癌(LUAC)の悪性度を最小限に予測する。
論文 参考訳（メタデータ） (2022-10-27T10:07:00Z) - 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) - Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase
Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。
チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文 参考訳（メタデータ） (2021-12-18T14:17:49Z) - 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) - Revisiting 3D Context Modeling with Supervised Pre-training for
Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。
新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。
提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文 参考訳（メタデータ） (2020-12-16T07:11:16Z) - COVID-MTL: Multitask Learning with Shift3D and Random-weighted Loss for
Automated Diagnosis and Severity Assessment of COVID-19 [39.57518533765393]
新型コロナウイルスの正確かつ効果的な評価を支援する自動化方法が緊急に必要である。
我々は,放射線学とNATの両方において,自動かつ同時検出と重症度評価が可能なエンドツーエンドマルチタスク学習フレームワーク(COVID-MTL)を提案する。
論文 参考訳（メタデータ） (2020-12-10T08:30:46Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳（メタデータ） (2020-05-27T20:44:38Z) - Automated Quantification of CT Patterns Associated with COVID-19 from
Chest CT [48.785596536318884]
提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。
この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。
このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
論文 参考訳（メタデータ） (2020-04-02T21:49:14Z)
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。