論文の概要: Prostate Lesion Detection and Salient Feature Assessment Using Zone-Based Classifiers

• arxiv url: http://arxiv.org/abs/2208.11522v1
• Date: Wed, 24 Aug 2022 13:08:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-25 13:17:13.036910
• Title: Prostate Lesion Detection and Salient Feature Assessment Using Zone-Based Classifiers
• Title（参考訳）: ゾーンベース分類器を用いた前立腺病変の検出と特徴評価
• Authors: Haoli Yin, Nithin Buduma
• Abstract要約: マルチパラメトリックMRI(Multi-parametric magnetic resonance imaging)は前立腺癌の病変の検出において役割を担っている。 これらのスキャンを解釈する医療専門家は、コンピュータ支援検出システムを用いることで、ヒューマンエラーのリスクを低減することが重要である。 本稿では,各前立腺領域に最適な機械学習分類器について検討する。
• 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: Multi-parametric magnetic resonance imaging (mpMRI) has a growing role in detecting prostate cancer lesions. Thus, it is pertinent that medical professionals who interpret these scans reduce the risk of human error by using computer-aided detection systems. The variety of algorithms used in system implementation, however, has yielded mixed results. Here we investigate the best machine learning classifier for each prostate zone. We also discover salient features to clarify the models' classification rationale. Of the data provided, we gathered and augmented T2 weighted images and apparent diffusion coefficient map images to extract first through third order statistical features as input to machine learning classifiers. For our deep learning classifier, we used a convolutional neural net (CNN) architecture for automatic feature extraction and classification. The interpretability of the CNN results was improved by saliency mapping to understand the classification mechanisms within. Ultimately, we concluded that effective detection of peripheral and anterior fibromuscular stroma (AS) lesions depended more on statistical distribution features, whereas those in the transition zone (TZ) depended more on textural features. Ensemble algorithms worked best for PZ and TZ zones, while CNNs were best in the AS zone. These classifiers can be used to validate a radiologist's predictions and reduce inter-reader variability in patients suspected to have prostate cancer. The salient features reported in this study can also be investigated further to better understand hidden features and biomarkers of prostate lesions with mpMRIs.
• Abstract（参考訳）: マルチパラメトリックMRI(Multi-parametric magnetic resonance imaging)は前立腺癌の病変の検出において役割を担っている。 したがって、これらのスキャンを解釈する医療専門家は、コンピュータ支援検出システムを使用することで、ヒューマンエラーのリスクを低減できる。 しかし、システム実装で使われる様々なアルゴリズムは、様々な結果をもたらした。 本稿では,各前立腺領域に最適な機械学習分類器について検討する。 また,モデルの分類の根拠を明らかにするために有意な特徴を見出した。 提供したデータのうち,t2重み付き画像と見かけの拡散係数マップ画像を収集・拡張し,機械学習分類器への入力として第1から第3次統計的特徴を抽出する。 ディープラーニング分類器では,自動特徴抽出と分類のために畳み込みニューラルネットワーク(cnn)アーキテクチャを用いた。 cnnの結果の解釈性は, 塩分マッピングによって改善され, 内部分類機構が理解された。 最終的に, 末梢および前線維筋肉腫 (AS) 病変の効果的な検出は, 統計的分布に大きく依存するが, 遷移帯 (TZ) 病変はテクスチャ的特徴に大きく依存することがわかった。 アンサンブルアルゴリズムはPZゾーンとTZゾーンで最適であり、CNNはASゾーンで最適であった。 これらの分類器は、放射線技師の予測を検証し、前立腺癌と疑われる患者において、読取者間の変動を低減するために使用できる。 本研究は, mpMRIによる前立腺病変の隠れた特徴とバイオマーカーをより深く理解するために, より精査することができる。

関連論文リスト

• A study on deep feature extraction to detect and classify Acute Lymphoblastic Leukemia (ALL) [0.0]
  急性リンパ芽球性白血病(ALL)は、主に成人と小児に影響を及ぼす血液悪性腫瘍である。 本研究では、深い学習、特に畳み込みニューラルネットワーク(CNN)を用いて、ALLの検出と分類を行う。 87%の精度で、ResNet101モデルは最高の結果をもたらし、その後にDenseNet121とVGG19が続いた。
  論文  参考訳（メタデータ） (2024-09-10T17:53:29Z)
• Multi-stages attention Breast cancer classification based on nonlinear spiking neural P neurons with autapses [10.16176106140093]
  ディープネットワークにおけるダウンサンプリングは、情報の損失につながる可能性がある。 本稿では,アプタプを用いたNSNPニューロンに基づく多段階アテンションアーキテクチャを提案する。 全ての倍率ケースにおいて96.32%の分類精度を達成し、最先端の手法より優れている。
  論文  参考訳（メタデータ） (2023-12-20T06:52:38Z)
• Active Learning Enhances Classification of Histopathology Whole Slide Images with Attention-based Multiple Instance Learning [48.02011627390706]
  我々は、注意に基づくMILをトレーニングし、データセット内の各画像に対する信頼度を算出し、専門家のアノテーションに対して最も不確実なWSIを選択する。 新たな注意誘導損失により、各クラスにアノテートされた領域がほとんどない、トレーニングされたモデルの精度が向上する。 将来的には、病理組織学における癌分類の臨床的に関連する文脈において、MILモデルのトレーニングに重要な貢献をする可能性がある。
  論文  参考訳（メタデータ） (2023-03-02T15:18:58Z)
• Convolutional Neural Network-Based Automatic Classification of Colorectal and Prostate Tumor Biopsies Using Multispectral Imagery: System Development Study [7.566742780233967]
  生検標本の多スペクトル画像から大腸癌と前立腺腫瘍を分類するためのCNNモデルを提案する。 その結果,前立腺および大腸のデータセットの平均検査精度は99.8%と99.5%と優れた成績を示した。 提案したCNNアーキテクチャは,大腸癌と前立腺癌を分類する上で,最も優れたシステムであった。
  論文  参考訳（メタデータ） (2023-01-30T18:28:25Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• 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)
• Self-transfer learning via patches: A prostate cancer triage approach based on bi-parametric MRI [1.3934382972253603]
  前立腺癌(PCa)は世界で2番目に多いがんである。 現在のPCa診断経路は、かなりの過剰診断のコストがかかり、不必要な治療とさらなる検査に繋がる。 臨床的に有意な (cS) 病変と非有意な (ncS) 病変を区別するためのパッチベースの事前訓練戦略を提案する。
  論文  参考訳（メタデータ） (2021-07-22T17:02:38Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Explaining COVID-19 and Thoracic Pathology Model Predictions by Identifying Informative Input Features [47.45835732009979]
  ニューラルネットワークは胸部X線上の分類および回帰タスクにおいて顕著な性能を示した。 特徴帰属法は、出力予測における入力特徴の重要性を識別する。 本研究では,NIH Chest X-ray8およびBrixIAデータセット上で,人間中心の解釈可能性指標と人間に依存しない特徴重要度指標の両方を用いて評価する。
  論文  参考訳（メタデータ） (2021-04-01T11:42:39Z)
• Minimizing false negative rate in melanoma detection and providing insight into the causes of classification [0.5621251909851629]
  私たちの目標は、メラノーマ検出で人間とマシンインテリジェンスを橋渡しすることです。 我々は,視覚前処理,深層学習,アンサンブルを組み合わせた分類システムを開発し,専門家に説明を提供する。
  論文  参考訳（メタデータ） (2021-02-18T07:46:34Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。