論文の概要: Deep Aesthetic Assessment and Retrieval of Breast Cancer Treatment Outcomes

• arxiv url: http://arxiv.org/abs/2205.12611v1
• Date: Wed, 25 May 2022 09:46:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-26 13:37:03.632895
• Title: Deep Aesthetic Assessment and Retrieval of Breast Cancer Treatment Outcomes
• Title（参考訳）: 乳癌治療成績の深部審美的評価と検索
• Authors: Wilson Silva, Maria Carvalho, Carlos Mavioso, Maria J. Cardoso and Jaime S. Cardoso
• Abstract要約: 乳がん治療の美的効果を評価するための金の基準はない。 本研究では,美的評価を行うディープニューラルネットワークを提案する。
• 参考スコア（独自算出の注目度）: 2.15242029196761
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Treatments for breast cancer have continued to evolve and improve in recent years, resulting in a substantial increase in survival rates, with approximately 80\% of patients having a 10-year survival period. Given the serious impact that breast cancer treatments can have on a patient's body image, consequently affecting her self-confidence and sexual and intimate relationships, it is paramount to ensure that women receive the treatment that optimizes both survival and aesthetic outcomes. Currently, there is no gold standard for evaluating the aesthetic outcome of breast cancer treatment. In addition, there is no standard way to show patients the potential outcome of surgery. The presentation of similar cases from the past would be extremely important to manage women's expectations of the possible outcome. In this work, we propose a deep neural network to perform the aesthetic evaluation. As a proof-of-concept, we focus on a binary aesthetic evaluation. Besides its use for classification, this deep neural network can also be used to find the most similar past cases by searching for nearest neighbours in the highly semantic space before classification. We performed the experiments on a dataset consisting of 143 photos of women after conservative treatment for breast cancer. The results for accuracy and balanced accuracy showed the superior performance of our proposed model compared to the state of the art in aesthetic evaluation of breast cancer treatments. In addition, the model showed a good ability to retrieve similar previous cases, with the retrieved cases having the same or adjacent class (in the 4-class setting) and having similar types of asymmetry. Finally, a qualitative interpretability assessment was also performed to analyse the robustness and trustworthiness of the model.
• Abstract（参考訳）: 近年、乳癌の治療は進化し、改善を続けており、生存率は大幅に増加し、10年生存期間を持つ患者の約80%が生存率を高めている。 乳がん治療が患者の体像に深刻な影響を与え、その結果、彼女の自信と性的および親密な関係に影響を及ぼすことを考えると、女性は生存と美的結果の両方を最適化する治療を受けることが最重要である。 現在、乳がん治療の麻酔効果を評価するための金の基準は存在しない。 また,手術の可能性を患者に示すための標準的な方法も存在しない。 過去の同様の事例の提示は、女性の期待する結果を管理する上で極めて重要である。 本研究では,美的評価を行うための深層ニューラルネットワークを提案する。 概念実証として,二元的美的評価に注目する。 このディープニューラルネットワークは分類に使われるだけでなく、分類前に高度に意味のある空間の近辺を探索することで、最も類似した過去のケースを見つけるためにも使用できる。 乳癌に対する保存的治療後の143枚の写真からなるデータセットを用いて実験を行った。 精度とバランスの取れた精度は, 乳がん治療の審美的評価における現状と比較して, 提案モデルの優れた性能を示した。 さらにモデルでは、同じクラスまたは隣接クラス(4クラス設定)を持ち、類似したタイプの非対称性を持つ、同様の以前のケースを検索する優れた能力を示した。 最後に,モデルのロバスト性と信頼性を分析するために,質的解釈可能性評価を行った。

関連論文リスト

• Predicting Breast Cancer Survival: A Survival Analysis Approach Using Log Odds and Clinical Variables [0.0]
  本研究は、乳がん患者の生存確率の予測を促進するために、Cox比例ハザードやパラメトリックサバイバルモデルなどの生存分析技術を用いている。 ナイジェリアのイバダンにあるUniversity College Hospitalが提供するデータセットから、乳がん患者1557人のデータを得た。
  論文  参考訳（メタデータ） (2024-10-17T10:01:22Z)
• Deep Transfer Learning for Breast Cancer Classification [0.0]
  ディープトランスファー学習は、乳癌の分類を改善するための有望な手法として登場した。 本研究では,VGG,ViT,Resnetを用いて浸潤性直腸癌 (IDC) 画像の分類を行った。 その結果、Resnet-34は90.40%の精度でがん画像の分類が可能となった。
  論文  参考訳（メタデータ） (2024-09-05T15:54:41Z)
• Enhancing Clinically Significant Prostate Cancer Prediction in T2-weighted Images through Transfer Learning from Breast Cancer [71.91773485443125]
  転送学習は、よりリッチなデータを持つドメインから取得した機能を活用して、限られたデータを持つドメインのパフォーマンスを向上させるテクニックである。 本稿では,T2強調画像における乳癌からの転移学習による臨床的に有意な前立腺癌予知の改善について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:57:27Z)
• 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 Histopathology Image Retrieval by Attention-based Adversarially Regularized Variational Graph Autoencoder with Contrastive Learning-Based Feature Extraction [1.48419209885019]
  本研究は,乳房組織像検索のための新しいアテンションベース逆正則変分グラフオートエンコーダモデルを提案する。 乳がん組織像の2つの公開データセットを用いて,提案モデルの性能評価を行った。
  論文  参考訳（メタデータ） (2024-05-07T11:24:37Z)
• Improved Breast Cancer Diagnosis through Transfer Learning on Hematoxylin and Eosin Stained Histology Images [3.7498611358320733]
  本研究では,最新のBRACS染色画像を用いて乳癌腫瘍の分類を行った。 我々は、Xception、EfficientNet、ResNet50、InceptionResNetといった、ImageNet重みに基づいて事前訓練された様々なディープラーニングモデルを用いて実験を行った。
  論文  参考訳（メタデータ） (2023-09-15T20:16:17Z)
• Breast Cancer Detection and Diagnosis: A comparative study of state-of-the-arts deep learning architectures [3.883460584034766]
  南アフリカなど世界3カ国の乳がん患者の生存率は驚くほど低い。 医療専門家や研究者は、エンドツーエンドソリューションを開発するために、ドメイン固有のAIアプローチ、特にディープラーニングモデルに目を向けている。 本研究では、ビジョントランスフォーマー(ViT)と呼ばれる比較的新しいモデルと比較して、様々な最先端畳み込みニューラルネットワーク(CNN)アーキテクチャの性能を評価することに焦点を当てる。
  論文  参考訳（メタデータ） (2023-05-31T15:21:34Z)
• 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)
• Breast Cancer Induced Bone Osteolysis Prediction Using Temporal Variational Auto-Encoders [65.95959936242993]
  骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。 乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
  論文  参考訳（メタデータ） (2022-03-20T21:00:10Z)

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。