論文の概要: Recent trends and analysis of Generative Adversarial Networks in Cervical Cancer Imaging

• arxiv url: http://arxiv.org/abs/2209.12680v1
• Date: Fri, 23 Sep 2022 05:45:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-27 17:44:18.165412
• Title: Recent trends and analysis of Generative Adversarial Networks in Cervical Cancer Imaging
• Title（参考訳）: 頚部癌画像における世代交叉網の最近の動向と解析
• Authors: Tamanna Sood
• Abstract要約: 子宮頸癌は女性の全がんの6-29%を占める。 この疾患の早期発見は、患者の治療と生存率の向上に役立つ。 Generative Adversarial Networks (GANs) は、子宮頸癌のスクリーニング、検出、分類において速度に追いついている。
• 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: Cervical cancer is one of the most common types of cancer found in females. It contributes to 6-29% of all cancers in women. It is caused by the Human Papilloma Virus (HPV). The 5-year survival chances of cervical cancer range from 17%-92% depending upon the stage at which it is detected. Early detection of this disease helps in better treatment and survival rate of the patient. Many deep learning algorithms are being used for the detection of cervical cancer these days. A special category of deep learning techniques known as Generative Adversarial Networks (GANs) are catching up with speed in the screening, detection, and classification of cervical cancer. In this work, we present a detailed analysis of the recent trends relating to the use of various GAN models, their applications, and the evaluation metrics used for their performance evaluation in the field of cervical cancer imaging.
• Abstract（参考訳）: 子宮頸癌は、女性に見られる最も一般的ながんの1つである。 女性の全てのがんの6-29%に寄与する。 原因はヒトパピローマウイルス(HPV)である。 頸部癌が5年生存する確率は、検出される段階によって17%-92%である。 この疾患の早期発見は、患者の治療と生存率を改善するのに役立つ。 近年、多くのディープラーニングアルゴリズムが子宮頸癌の検出に使われている。 GAN(Generative Adversarial Networks)として知られるディープラーニング技術の特別なカテゴリは、頸がんのスクリーニング、検出、分類において速度に追いついている。 本稿では, GAN モデルの使用状況, 応用状況, 頚部癌画像の分野での性能評価に用いられている評価指標について, 最近の動向を詳細に分析する。

関連論文リスト

• CerviXpert: A Multi-Structural Convolutional Neural Network for Predicting Cervix Type and Cervical Cell Abnormalities [0.05869347864780635]
  頸部癌を同定する多構造畳み込みニューラルネットワークCerviXpertを提案する。 頸部がんは世界中で何百万もの女性に影響を与えており、早期に診断された場合、生存率は著しく高い。
  論文  参考訳（メタデータ） (2024-09-10T05:08:26Z)
• Cervical Cancer Detection Using Multi-Branch Deep Learning Model [0.6249768559720121]
  本研究では,MHSA (Multi-Head Self-Attention) と畳み込みニューラルネットワーク (CNN) を用いた頚部癌の画像分類の自動化手法を提案する。 我々のモデルは98.522%の顕著な精度を達成し、他の医療画像認識タスクに適用可能であることを約束している。
  論文  参考訳（メタデータ） (2024-08-20T02:44:48Z)
• Enhancing Clinically Significant Prostate Cancer Prediction in T2-weighted Images through Transfer Learning from Breast Cancer [71.91773485443125]
  転送学習は、よりリッチなデータを持つドメインから取得した機能を活用して、限られたデータを持つドメインのパフォーマンスを向上させるテクニックである。 本稿では,T2強調画像における乳癌からの転移学習による臨床的に有意な前立腺癌予知の改善について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:57:27Z)
• Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
  カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。 拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。 本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
  論文  参考訳（メタデータ） (2023-11-30T15:11:03Z)
• Deep Learning Techniques for Cervical Cancer Diagnosis based on Pathology and Colposcopy Images [0.0]
  頸部がんは毎年何百万人もの女性に感染する病気である。 コンピュータビジョンにおける有望な技術であるディープラーニングは、頸部がん検診の精度と効率を改善するための潜在的なソリューションとして登場した。
  論文  参考訳（メタデータ） (2023-10-25T14:23:40Z)
• 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)
• A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
  Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。 Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
  論文  参考訳（メタデータ） (2023-04-12T05:41:44Z)
• 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)
• Breast Cancer Detection using Histopathological Images [0.0]
  本稿では,先進的な深層学習技術の助けを借りて,塩分濃度検出システムを提案する。 CNN(VGG16, ResNet Architecture)による乳癌の5つの診断カテゴリーの同定について検討した。 この検出システムは、病理学者や医療機関が利用できるオープンソースのWebアプリケーションとして利用できる。
  論文  参考訳（メタデータ） (2022-02-12T17:45:43Z)
• Identification of Cervical Pathology using Adversarial Neural Networks [8.364276127015255]
  子宮頸癌は、インドや他の低所得国や中所得国の女性のがん関連死亡の主な原因である。 我々は、SegNetに似たアーキテクチャを持つ畳み込みオートエンコーダベースのフレームワークを提案する。 提案手法は、ImageNetデータベース上で事前トレーニングされた微調整畳み込みニューラルネットワークを73.75%の平均精度で高速化する。
  論文  参考訳（メタデータ） (2020-04-28T10:22:16Z)
• Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors [72.65802386845002]
  本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。 我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。 我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
  論文  参考訳（メタデータ） (2020-04-04T21:21:44Z)

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。