Fugu-MT 論文翻訳(概要): Brain tumor detection using artificial convolutional neural networks

論文の概要: Brain tumor detection using artificial convolutional neural networks

arxiv url: http://arxiv.org/abs/2207.11248v1
Date: Wed, 22 Jun 2022 18:45:37 GMT
ステータス: 処理完了
システム内更新日: 2023-02-08 09:29:14.382679
Title: Brain tumor detection using artificial convolutional neural networks
Title（参考訳）: 人工畳み込みニューラルネットワークを用いた脳腫瘍検出
Authors: Javier Melchor, Balam Sotelo, Jorge Vera, Horacio Corral
Abstract要約: 畳み込みニューラルネットワーク(CNN)は、4種類の腫瘍を持つヒト脳のNMR画像の分類に用いられた。トレーニングフェーズでは100%の精度が得られたが, 評価フェーズでは96%であった。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, a convolutional neural network (CNN) was used to classify NMR images of human brains with 4 different types of tumors: meningioma, glioma and pituitary gland tumors. During the training phase of this project, an accuracy of 100% was obtained, meanwhile, in the evaluation phase the precision was 96%.
Abstract（参考訳）: 本稿では,ヒト脳のNMR像を髄膜腫,グリオーマ,下垂体腺腫瘍の4種類の腫瘍で分類するために,畳み込みニューラルネットワーク(CNN)を用いた。このプロジェクトのトレーニング段階では,100%の精度が得られたが,評価段階では96%の精度が得られた。

関連論文リスト

Breast Ultrasound Tumor Classification Using a Hybrid Multitask CNN-Transformer Network [63.845552349914186]
胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
論文参考訳（メタデータ） (2023-08-04T01:19:32Z)
A deep learning approach for brain tumor detection using magnetic resonance imaging [0.0]
脳腫瘍は、子供や成人で最も危険な疾患の1つと考えられている。 MRI画像から脳腫瘍を検出するための畳み込みニューラルネットワーク(CNN)に基づく図解が提案されている。提案したモデルでは98.6%の精度と97.8%の精度でクロスエントロピー速度が低い。
論文参考訳（メタデータ） (2022-10-25T10:13:29Z)
Brain Tumor Diagnosis and Classification via Pre-Trained Convolutional Neural Networks [0.0]
本稿では、診断プロセスから手作業のプロセスを取り除き、代わりに機械学習を使用する。脳腫瘍の診断・分類にCNN(Pretrained Convolutional Neural Network)を用いた。
論文参考訳（メタデータ） (2022-07-27T02:56:38Z)
Brain Tumor Detection and Classification Using a New Evolutionary Convolutional Neural Network [18.497065020090062]
この研究の目的は、健康な患者と不健康な患者を区別するために脳MRI画像を使用することである。深層学習技術は近年、脳腫瘍をより正確に、堅牢に診断する方法として関心を喚起している。
論文参考訳（メタデータ） (2022-04-26T13:20:42Z)
Deep Reinforcement Learning Guided Graph Neural Networks for Brain Network Analysis [61.53545734991802]
本稿では,各脳ネットワークに最適なGNNアーキテクチャを探索する新しい脳ネットワーク表現フレームワークBN-GNNを提案する。提案するBN-GNNは,脳ネットワーク解析タスクにおける従来のGNNの性能を向上させる。
論文参考訳（メタデータ） (2022-03-18T07:05:27Z)
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)
Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
論文参考訳（メタデータ） (2021-09-10T13:07:11Z)
Triplet Contrastive Learning for Brain Tumor Classification [99.07846518148494]
本稿では,脳腫瘍の深層埋め込みを直接学習する手法を提案する。本手法は,27種類の腫瘍群からなる広範囲な脳腫瘍データセットを用いて評価し,そのうち13種は稀である。
論文参考訳（メタデータ） (2021-08-08T11:26:34Z)
Brain Tumors Classification for MR images based on Attention Guided Deep Learning Model [3.6328238032703806]
我々は既存の技術を分析し、注意誘導深層畳み込みニューラルネットワーク(CNN)モデルを提案する。腫瘍の有無を特定するための10倍のクロスバリデーション下での平均精度99.18%を達成できる。医師が脳腫瘍の効率的な診断を行うのを助ける。
論文参考訳（メタデータ） (2021-04-06T07:25:52Z)
Deep Convolutional Neural Networks Model-based Brain Tumor Detection in Brain MRI Images [0.0]
我々の研究は、MR画像から脳腫瘍を診断するためのディープ畳み込みニューラルネットワーク(DCNN)を実装することである。本モデルでは, 腫瘍でMR像を抽出し, 全体的な精度は96%であった。
論文参考訳（メタデータ） (2020-10-03T07:42:17Z)
The efficiency of deep learning algorithms for detecting anatomical reference points on radiological images of the head profile [55.41644538483948]
U-Netニューラルネットワークは、完全な畳み込みニューラルネットワークよりも正確に解剖学的基準点の検出を可能にする。 U-Net ニューラルネットワークによる解剖学的基準点検出の結果は,歯科矯正医のグループによる基準点検出の平均値に近づいた。
論文参考訳（メタデータ） (2020-05-25T13:51:03Z)

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。