Fugu-MT 論文翻訳(概要): Efficient Lung Cancer Image Classification and Segmentation Algorithm Based on Improved Swin Transformer

論文の概要: Efficient Lung Cancer Image Classification and Segmentation Algorithm Based on Improved Swin Transformer

arxiv url: http://arxiv.org/abs/2207.01527v1
Date: Mon, 4 Jul 2022 15:50:06 GMT
ステータス: 処理完了
システム内更新日: 2022-07-05 18:56:39.889514
Title: Efficient Lung Cancer Image Classification and Segmentation Algorithm Based on Improved Swin Transformer
Title（参考訳）: 改良型スウィントランスを用いた効率的な肺癌画像分類と分節化アルゴリズム
Authors: Ruina Sun, Yuexin Pang
Abstract要約: トランスモデルは、自然言語処理(NLP)の成功の後、コンピュータビジョン(CV)の分野に適用された。本稿では,効率的なトランスを用いたセグメンテーション手法を創造的に提案し,医用画像解析に応用する。本アルゴリズムは,肺癌データを解析して肺がん分類と分節化のタスクを完了し,医療スタッフに効率的な技術支援を提供することを目的とする。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: With the development of computer technology, various models have emerged in artificial intelligence. The transformer model has been applied to the field of computer vision (CV) after its success in natural language processing (NLP). Radiologists continue to face multiple challenges in today's rapidly evolving medical field, such as increased workload and increased diagnostic demands. Although there are some conventional methods for lung cancer detection before, their accuracy still needs to be improved, especially in realistic diagnostic scenarios. This paper creatively proposes a segmentation method based on efficient transformer and applies it to medical image analysis. The algorithm completes the task of lung cancer classification and segmentation by analyzing lung cancer data, and aims to provide efficient technical support for medical staff. In addition, we evaluated and compared the results in various aspects. For the classification mission, the max accuracy of Swin-T by regular training and Swin-B in two resolutions by pre-training can be up to 82.3%. For the segmentation mission, we use pre-training to help the model improve the accuracy of our experiments. The accuracy of the three models reaches over 95%. The experiments demonstrate that the algorithm can be well applied to lung cancer classification and segmentation missions.
Abstract（参考訳）: コンピュータ技術の発展に伴い、人工知能に様々なモデルが登場した。トランスフォーマーモデルは、自然言語処理(nlp)の成功の後、コンピュータビジョン(cv)の分野で応用されてきた。放射線学者は、労働負荷の増加や診断要求の増加など、今日の急速に発展する医療分野において、さまざまな課題に直面し続けている。従来の肺がん検出法はいくつかあるが、特に現実的な診断シナリオにおいて、精度は改善する必要がある。本稿では,効率的な変圧器に基づくセグメンテーション法を創造的に提案し,医用画像解析に適用する。本アルゴリズムは,肺癌データを解析して肺がん分類と分節化のタスクを完了し,医療スタッフに効率的な技術支援を提供することを目的とする。さらに,様々な側面から評価・比較を行った。分類ミッションでは、正規訓練によるSwin-Tの最大精度と事前訓練による2つの解像度でのSwin-Bの最大精度は82.3%である。セグメンテーションミッションでは、モデルが実験の精度を向上させるのを助けるために、事前トレーニングを使用します。 3つのモデルの精度は95%以上に達する。実験は、このアルゴリズムが肺癌の分類と分節ミッションにうまく適用できることを示した。

関連論文リスト

Multi-modal Medical Image Fusion For Non-Small Cell Lung Cancer Classification [7.002657345547741]
非小細胞肺癌(NSCLC)は、世界中のがん死亡の主な原因である。本稿では, 融合医療画像(CT, PET)と臨床健康記録, ゲノムデータとを合成する, マルチモーダルデータの革新的な統合について紹介する。 NSCLCの検出と分類精度の大幅な向上により,本研究は既存のアプローチを超越している。
論文参考訳（メタデータ） (2024-09-27T12:59:29Z)
Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
論文参考訳（メタデータ） (2024-05-23T07:03:38Z)
Parameter-Efficient Methods for Metastases Detection from Clinical Notes [19.540079966780954]
本研究の目的は,CT(Free-style Computed Tomography)ラジオグラフィーによる転移性肝疾患の検出を自動化することである。本研究は,3つのアプローチを用いて知識を伝達することで,モデルの性能を向上させることを実証する。
論文参考訳（メタデータ） (2023-10-27T20:30:59Z)
Swin-Tempo: Temporal-Aware Lung Nodule Detection in CT Scans as Video Sequences Using Swin Transformer-Enhanced UNet [2.7547288571938795]
本稿では、畳み込みニューラルネットワークと視覚変換器の長所を利用する革新的なモデルを提案する。ビデオ中の物体検出にインスパイアされた各3次元CT画像をビデオとして扱い、個々のスライスをフレームとして、肺結節をオブジェクトとして扱い、時系列アプリケーションを可能にする。
論文参考訳（メタデータ） (2023-10-05T07:48:55Z)
Validated respiratory drug deposition predictions from 2D and 3D medical images with statistical shape models and convolutional neural networks [47.187609203210705]
患者固有の沈着モデリングのための自動計算フレームワークを開発し,検証することを目的としている。 2次元胸部X線と3次元CT画像から3次元患者の呼吸動態を生成できる画像処理手法が提案されている。
論文参考訳（メタデータ） (2023-03-02T07:47:07Z)
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)
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)
OncoPetNet: A Deep Learning based AI system for mitotic figure counting on H&E stained whole slide digital images in a large veterinary diagnostic lab setting [47.38796928990688]
OncoPetNetの開発において,複数の最先端ディープラーニング技術を用いて病理組織像分類と有糸体像検出を行った。提案システムは,14種類の癌に対して,ヒトのエキスパートベースラインと比較して,41例の有糸分裂計数性能を有意に向上させた。デプロイでは、2つのセンターで1日3,323枚のデジタル全スライド画像を処理する高スループット獣医診断サービスにおいて、効果的な0.27分/スライダー推論が達成された。
論文参考訳（メタデータ） (2021-08-17T20:01:33Z)
A Multi-Stage Attentive Transfer Learning Framework for Improving COVID-19 Diagnosis [49.3704402041314]
新型コロナの診断を改善するための多段階集中移動学習フレームワークを提案する。提案するフレームワークは、複数のソースタスクと異なるドメインのデータから知識を学習し、正確な診断モデルを訓練する3つの段階からなる。本稿では,肺CT画像のマルチスケール表現を学習するための自己教師付き学習手法を提案する。
論文参考訳（メタデータ） (2021-01-14T01:39:19Z)
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)

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。