論文の概要: Zero-Shot and Few-Shot Learning for Lung Cancer Multi-Label
Classification using Vision Transformer
- arxiv url: http://arxiv.org/abs/2205.15290v1
- Date: Mon, 30 May 2022 17:54:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-31 13:21:52.302287
- Title: Zero-Shot and Few-Shot Learning for Lung Cancer Multi-Label
Classification using Vision Transformer
- Title(参考訳): 視覚トランスフォーマーを用いた肺癌マルチラベル分類のためのゼロショット・マイノショット学習
- Authors: Fu-Ming Guo, Yingfang Fan
- Abstract要約: 肺腺癌と肺扁平上皮癌が最も多い組織型である。
病理は肺癌の診断に欠かせない道具である。
病理組織学的スライスによる多発性肺癌の術前診断
- 参考スコア(独自算出の注目度): 0.685316573653194
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Lung cancer is the cancer leading cause of cancer-related death worldwide.
Lung adenocarcinoma (LUAD) and lung squamous cell carcinoma (LUSC) are the most
common histologic subtypes of NSCLC. Histology is an essential tool for lung
cancer diagnosis. Pathologists make classifications according to the dominant
subtypes. Although morphology remains the standard for diagnosis, significant
tool needs to be developed to elucidate the diagnosis. In our study, we utilize
the pre-trained Vision Transformer (ViT) model to classify multiple label lung
cancer on histologic slices (from dataset LC25000), in both Zero-Shot and
Few-Shot manners. Then we compare the performance of Zero-Shot and Few-Shot ViT
on accuracy, precision, recall, sensitivity and specificity. Our study show
that the pre-trained ViT model has a good performance in Zero-Shot setting, a
competitive accuracy ($99.87\%$) in Few-Shot setting ({epoch = 1}) and an
optimal result ($100.00\%$) in Few-Shot seeting ({epoch = 5}).
- Abstract(参考訳): 肺がんは世界中でがん関連死亡の原因となっている。
肺腺癌 (luad) と肺扁平上皮癌 (lusc) は, nsclcの最も一般的な組織型である。
病理組織学は肺癌の診断に必須のツールである。
病理学者は支配的なサブタイプに従って分類を行う。
形態学は依然として診断の標準であるが,診断の解明には重要なツールを開発する必要がある。
本研究では,前訓練型視覚トランスフォーマー(vit)モデルを用いて,複数ラベル肺癌の組織学的スライス(lc25000)をゼロショットと少数ショットの両方で分類した。
次に、Zero-ShotとFew-Shot ViTのパフォーマンスを精度、精度、リコール、感度、特異性について比較する。
本研究では,事前学習したViTモデルがゼロショット設定において優れた性能を示し,Fewショット設定({epoch = 1})における競合精度(99.87\%$)とFewショット表示({epoch = 5})における最適結果($100.00\%$)が得られた。
関連論文リスト
- Variational Autoencoders for Feature Exploration and Malignancy
Prediction of Lung Lesions [0.0]
肺がんはイギリスで21%のがん死の原因となっている。
最近の研究は、定期的なスキャンから肺がんの正確な早期診断のためのAI手法の能力を実証している。
本研究では, 変異型オートエンコーダ(VAE)の肺癌病変に対する応用について検討した。
論文 参考訳(メタデータ) (2023-11-27T11:12:33Z) - A Pragmatic Machine Learning Approach to Quantify Tumor Infiltrating
Lymphocytes in Whole Slide Images [0.0]
がん組織における腫瘍浸潤リンパ球(TIL)の上昇は、多くの種類のがんにおいて好ましい結果を示す。
本研究の目的は,肺がん患者の標準診断ヘマトキシリンおよびエオシン染色部(H&Eスライス)の全スライド画像(WSI)中のTILを自動的に定量化することである。
論文 参考訳(メタデータ) (2022-02-14T10:22:10Z) - 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) - CAE-Transformer: Transformer-based Model to Predict Invasiveness of Lung
Adenocarcinoma Subsolid Nodules from Non-thin Section 3D CT Scans [36.093580055848186]
肺腺癌(LAUC)は近年最も多い疾患である。
肺結節の侵襲性に関するタイムリーかつ正確な知識は適切な治療計画をもたらし、不必要な手術や遅発手術のリスクを低減させる。
LAUCの浸潤度を評価し,予測するための主要な画像モダリティは胸部CTである。
本稿では、LAUCを分類するために、予測トランスフォーマーベースのフレームワーク「CAE-Transformer」を開発した。
論文 参考訳(メタデータ) (2021-10-17T04:37:24Z) - COVID-19 Detection from Chest X-ray Images using Imprinted Weights
Approach [67.05664774727208]
胸部X線撮影は、COVID-19の代替スクリーニング方法です。
コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。
この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
論文 参考訳(メタデータ) (2021-05-04T19:01:40Z) - M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia
Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。
COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文 参考訳(メタデータ) (2020-10-07T06:22:24Z) - Momentum Contrastive Learning for Few-Shot COVID-19 Diagnosis from Chest
CT Images [41.73507451077361]
本稿では,新型コロナウイルスの自動診断のための新しい深層学習アルゴリズムを提案する。
コントラスト学習を用いてエンコーダを訓練し,大規模かつ一般公開された肺データセット上の表現的特徴表現をキャプチャする。
以上の結果より,胸部CT画像による新型コロナウイルスの正確な診断におけるモデルの有用性が示唆された。
論文 参考訳(メタデータ) (2020-06-16T10:14:58Z) - SDCT-AuxNet$^{\theta}$: DCT Augmented Stain Deconvolutional CNN with
Auxiliary Classifier for Cancer Diagnosis [14.567067583556714]
急性リンパ性白血病(英語: acute lymphoblastic leukemia,ALL)は、世界中の小児の白血球癌である。
本稿では,all癌細胞像の分類のための新しいディープラーニングアーキテクチャを提案する。
先日公表した15114枚のall癌と健康な細胞のデータセットを用いて実験を行った。
論文 参考訳(メタデータ) (2020-05-30T16:01:31Z) - Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。
このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文 参考訳(メタデータ) (2020-05-24T23:13:16Z) - Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent
Multi-View Representation Learning [48.05232274463484]
最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。
多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。
本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
論文 参考訳(メタデータ) (2020-05-06T15:19:15Z) - An interpretable classifier for high-resolution breast cancer screening
images utilizing weakly supervised localization [45.00998416720726]
医用画像の特徴に対処する枠組みを提案する。
このモデルはまず、画像全体の低容量だがメモリ効率のよいネットワークを使用して、最も情報性の高い領域を識別する。
次に、選択したリージョンから詳細を収集するために、別の高容量ネットワークを適用します。
最後に、グローバルおよびローカル情報を集約して最終的な予測を行うフュージョンモジュールを使用する。
論文 参考訳(メタデータ) (2020-02-13T15:28:42Z)
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。