論文の概要: Machine Learning-based Lung and Colon Cancer Detection using Deep
Feature Extraction and Ensemble Learning
- arxiv url: http://arxiv.org/abs/2206.01088v2
- Date: Fri, 3 Jun 2022 05:40:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-06 11:10:41.391340
- Title: Machine Learning-based Lung and Colon Cancer Detection using Deep
Feature Extraction and Ensemble Learning
- Title(参考訳): 深部特徴抽出とアンサンブル学習を用いた機械学習による肺・大腸癌の検出
- Authors: Md. Alamin Talukder, Md. Manowarul Islam, Md Ashraf Uddin, Arnisha
Akhter, Khondokar Fida Hasan, Mohammad Ali Moni
- Abstract要約: 肺がんと大腸癌を効率よく同定するためのハイブリッドアンサンブル特徴抽出モデルを提案する。
深い特徴抽出とアンサンブル学習と、がん画像データセットのための高性能なフィルタリングを統合している。
本モデルでは, 99.05%, 100%, 99.30%の精度で, 肺癌, 大腸癌, 結腸癌を検出できる。
- 参考スコア(独自算出の注目度): 0.9786690381850355
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cancer is a fatal disease caused by a combination of genetic diseases and a
variety of biochemical abnormalities. Lung and colon cancer have emerged as two
of the leading causes of death and disability in humans. The histopathological
detection of such malignancies is usually the most important component in
determining the best course of action. Early detection of the ailment on either
front considerably decreases the likelihood of mortality. Machine learning and
deep learning techniques can be utilized to speed up such cancer detection,
allowing researchers to study a large number of patients in a much shorter
amount of time and at a lower cost. In this research work, we introduced a
hybrid ensemble feature extraction model to efficiently identify lung and colon
cancer. It integrates deep feature extraction and ensemble learning with
high-performance filtering for cancer image datasets. The model is evaluated on
histopathological (LC25000) lung and colon datasets. According to the study
findings, our hybrid model can detect lung, colon, and (lung and colon) cancer
with accuracy rates of 99.05%, 100%, and 99.30%, respectively. The study's
findings show that our proposed strategy outperforms existing models
significantly. Thus, these models could be applicable in clinics to support the
doctor in the diagnosis of cancers.
- Abstract(参考訳): がんは遺伝病と様々な生化学的異常の組み合わせによって引き起こされる致命的な疾患である。
肺癌と大腸癌は、ヒトの死因と障害の主な2つとして現れている。
このような悪性腫瘍の病理組織学的検出は、通常、最善の行動経路を決定する上で最も重要な要素である。
両側の疾患の早期発見は死亡率を著しく低下させる。
機械学習とディープラーニングの技術は、がん検出のスピードアップに役立ち、研究者は膨大な数の患者を短時間で、かつ低コストで研究することができる。
本研究では,肺がんと大腸癌を効率よく同定するハイブリッドアンサンブル特徴抽出モデルを提案する。
深い特徴抽出とアンサンブル学習と、がん画像データセットのための高性能なフィルタリングを統合する。
本モデルは病理組織学的(lc25000)肺および結腸データセット上で評価される。
研究によると、このハイブリッドモデルは、それぞれ99.05%、100%、99.30%の精度で、肺がん、結腸がん、(肺がん、大腸がん)癌を検出することができる。
本研究は,提案手法が既存モデルより有意に優れていることを示す。
したがって、これらのモデルはがんの診断において医師を支援するために診療所に適用することができる。
関連論文リスト
- 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) - Artificial intelligence based prediction on lung cancer risk factors
using deep learning [0.0]
早期の症状の捕捉と定義は、患者にとって最も難しい段階の1つである。
深層学習手法を用いて,肺がんを極めて高い精度で検出できるモデルを開発した。
その結果, 精度は94%, 最小損失は0.1%であった。
論文 参考訳(メタデータ) (2023-04-11T08:57:15Z) - Deep Learning Approach for Early Stage Lung Cancer Detection [0.0]
肺癌患者の生存率は遅発診断による他のがん患者と比較して非常に低い。
本稿ではCTスキャンによる早期肺癌の予測と診断のためのディープラーニングモデルを提案する。
論文 参考訳(メタデータ) (2023-02-05T18:50:12Z) - Machine Learning Methods for Cancer Classification Using Gene Expression
Data: A Review [77.34726150561087]
がんは心臓血管疾患の2番目の死因である。
遺伝子発現は癌の早期発見において基本的な役割を担っている。
本研究は,機械学習を用いた癌分類における遺伝子発現解析の最近の進歩を概説する。
論文 参考訳(メタデータ) (2023-01-28T15:03:03Z) - 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) - A Pathologist-Informed Workflow for Classification of Prostate Glands in
Histopathology [62.997667081978825]
病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。
がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。
本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
論文 参考訳(メタデータ) (2022-09-27T14:08:19Z) - 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) - 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) - Early Diagnosis of Lung Cancer Using Computer Aided Detection via Lung
Segmentation Approach [0.1749935196721634]
アメリカがん協会は、がんによる死亡件数の約27%を推定している。
その進化の初期段階では、肺がんは通常は症状を起こさない。
多くの患者は、症状がより顕著になり、治療が不十分で死亡率の高い進行期に診断されている。
論文 参考訳(メタデータ) (2021-07-23T05:46:06Z) - Automatic Generation of Interpretable Lung Cancer Scoring Models from
Chest X-Ray Images [9.525711971667679]
肺がんは世界中でがんの死因となっている。
深層学習技術は肺がんの診断に有効である。
これらの技術は、まだ医療コミュニティによって承認され、採用されていない。
論文 参考訳(メタデータ) (2020-12-10T04:11:59Z) - Topological Data Analysis of copy number alterations in cancer [70.85487611525896]
癌ゲノム情報に含まれる情報を新しいトポロジに基づくアプローチで捉える可能性を探る。
本手法は, 癌体性遺伝データに有意な低次元表現を抽出する可能性を秘めている。
論文 参考訳(メタデータ) (2020-11-22T17:31:23Z)
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。