論文の概要: Improving the diagnosis of breast cancer based on biophysical ultrasound
features utilizing machine learning
- arxiv url: http://arxiv.org/abs/2207.06560v1
- Date: Wed, 13 Jul 2022 23:53:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-15 14:53:18.434208
- Title: Improving the diagnosis of breast cancer based on biophysical ultrasound
features utilizing machine learning
- Title（参考訳）: 機械学習を用いた生体超音波検査による乳癌の診断の改善
- Authors: Jihye Baek, Avice M. O'Connell, Kevin J. Parker
- Abstract要約: 乳がん検出のための生物物理学的特徴に基づく機械学習手法を提案する。
以上より, 乳腺病変のタイプとサイズは, 分類では98.0%, 操作特性曲線では0.98以上であった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The improved diagnostic accuracy of ultrasound breast examinations remains an
important goal. In this study, we propose a biophysical feature based machine
learning method for breast cancer detection to improve the performance beyond a
benchmark deep learning algorithm and to furthermore provide a color overlay
visual map of the probability of malignancy within a lesion. This overall
framework is termed disease specific imaging. Previously, 150 breast lesions
were segmented and classified utilizing a modified fully convolutional network
and a modified GoogLeNet, respectively. In this study multiparametric analysis
was performed within the contoured lesions. Features were extracted from
ultrasound radiofrequency, envelope, and log compressed data based on
biophysical and morphological models. The support vector machine with a
Gaussian kernel constructed a nonlinear hyperplane, and we calculated the
distance between the hyperplane and data point of each feature in
multiparametric space. The distance can quantitatively assess a lesion, and
suggest the probability of malignancy that is color coded and overlaid onto B
mode images. Training and evaluation were performed on in vivo patient data.
The overall accuracy for the most common types and sizes of breast lesions in
our study exceeded 98.0% for classification and 0.98 for an area under the
receiver operating characteristic curve, which is more precise than the
performance of radiologists and a deep learning system. Further, the
correlation between the probability and BI RADS enables a quantitative
guideline to predict breast cancer. Therefore, we anticipate that the proposed
framework can help radiologists achieve more accurate and convenient breast
cancer classification and detection.
- Abstract（参考訳）: 超音波検査の診断精度の向上は重要な目標である。
本研究では,乳がん検出のための生体物理学的特徴に基づく機械学習手法を提案し,ベンチマーク深層学習アルゴリズム以上の性能向上と,病変内の悪性度を示すカラーオーバーレイビジュアルマップを提供する。
この枠組みは疾患特異的イメージングと呼ばれている。
以前は150個の乳腺病変が分節化され,それぞれ完全な畳み込みネットワークとGoogLeNetが修正された。
本研究は, 病変内におけるマルチパラメトリック解析を行った。
生体物理モデルおよび形態モデルに基づいて, 超音波ラジオ波, 封筒, ログ圧縮データから特徴を抽出した。
ガウス核を持つ支持ベクトルマシンは非線形超平面を構築し,マルチパラメトリック空間における各特徴の超平面とデータ点の距離を計算した。
距離は病変を定量的に評価し、bモード画像に色を符号化し重畳する悪性の可能性を示唆する。
in vivo患者データを用いてトレーニングおよび評価を行った。
本研究における乳腺病変の最も一般的な型別と大きさの総合的精度は分類で98.0%以上、受信者特性曲線下の領域では0.08%以上であり、放射線科医や深層学習システムよりも正確である。
さらに、確率とBI RADSの相関により、定量的に乳癌を予測できる。
そこで本提案手法は, 放射線科医がより正確かつ便利な乳癌の分類・検出を行うのに役立つことを期待する。
関連論文リスト
- 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) - 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) - 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) - Predictive Modeling for Breast Cancer Classification in the Context of Bangladeshi Patients: A Supervised Machine Learning Approach with Explainable AI [0.0]
5種類の機械学習手法の分類精度,精度,リコール,F-1スコアを評価し,比較した。
XGBoostは97%という最高のモデル精度を達成した。
論文 参考訳（メタデータ） (2024-04-06T17:23:21Z) - Lesion detection in contrast enhanced spectral mammography [0.0]
近年の乳房画像解析のためのニューラルネットワークモデルの出現は、コンピュータ支援診断における画期的な進歩である。
本研究は,CESMリコンビネート画像に対する深層学習に基づくコンピュータ支援診断開発を提案し,病変の検出と症例の分類を行う。
論文 参考訳（メタデータ） (2022-07-20T06:49:02Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳（メタデータ） (2022-02-27T02:19:09Z) - 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) - Classification of Breast Cancer Lesions in Ultrasound Images by using
Attention Layer and loss Ensembles in Deep Convolutional Neural Networks [0.0]
本稿では,VGG16アーキテクチャーのアテンションモジュールを用いた乳癌病変の分類のための新しい枠組みを提案する。
また,双曲性コサイン損失の二値交互エントロピーと対数の組み合わせである新たなアンサンブル損失関数を提案し,分類病変とそのラベル間のモデル差を改善する。
本研究で提案したモデルは,93%の精度で他の改良VGG16アーキテクチャよりも優れており,乳がん病変の分類のための他の技術フレームワークと競合する結果となった。
論文 参考訳（メタデータ） (2021-02-23T06:49:12Z) - Spatio-spectral deep learning methods for in-vivo hyperspectral
laryngeal cancer detection [49.32653090178743]
頭頸部腫瘍の早期発見は患者の生存に不可欠である。
ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。
HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
論文 参考訳（メタデータ） (2020-04-21T17:07:18Z) - Learning from Suspected Target: Bootstrapping Performance for Breast
Cancer Detection in Mammography [6.323318523772466]
対象領域の選択と訓練を行う新しいサンプリング手順とともに,新しいトップ可能性損失を導入する。
まず,提案手法をプライベートな高密度マンモグラフィーデータセット上で検証する。
以上の結果から,本手法は偽陽性率を大幅に低減し,質量型癌検出では0.25倍の特異性を示した。
論文 参考訳（メタデータ） (2020-03-01T09:04:24Z)
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。