論文の概要: Convolutional Neural Network-Based Automatic Classification of
Colorectal and Prostate Tumor Biopsies Using Multispectral Imagery: System
Development Study
- arxiv url: http://arxiv.org/abs/2301.13151v1
- Date: Mon, 30 Jan 2023 18:28:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-31 13:19:14.742601
- Title: Convolutional Neural Network-Based Automatic Classification of
Colorectal and Prostate Tumor Biopsies Using Multispectral Imagery: System
Development Study
- Title(参考訳): 畳み込みニューラルネットワークを用いたマルチスペクトル画像を用いた大腸癌および前立腺腫瘍生検の自動分類:システム開発研究
- Authors: Remy Peyret and Duaa alSaeed and Fouad Khelifi and Nadia Al-Ghreimil
and Heyam Al-Baity and Ahmed Bouridane
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 7.566742780233967
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Colorectal and prostate cancers are the most common types of cancer in men
worldwide. To diagnose colorectal and prostate cancer, a pathologist performs a
histological analysis on needle biopsy samples. This manual process is
time-consuming and error-prone, resulting in high intra and interobserver
variability, which affects diagnosis reliability. This study aims to develop an
automatic computerized system for diagnosing colorectal and prostate tumors by
using images of biopsy samples to reduce time and diagnosis error rates
associated with human analysis. We propose a CNN model for classifying
colorectal and prostate tumors from multispectral images of biopsy samples. The
key idea was to remove the last block of the convolutional layers and halve the
number of filters per layer. Our results showed excellent performance, with an
average test accuracy of 99.8% and 99.5% for the prostate and colorectal data
sets, respectively. The system showed excellent performance when compared with
pretrained CNNs and other classification methods, as it avoids the
preprocessing phase while using a single CNN model for classification. Overall,
the proposed CNN architecture was globally the best-performing system for
classifying colorectal and prostate tumor images. The proposed CNN was detailed
and compared with previously trained network models used as feature extractors.
These CNNs were also compared with other classification techniques. As opposed
to pretrained CNNs and other classification approaches, the proposed CNN
yielded excellent results. The computational complexity of the CNNs was also
investigated, it was shown that the proposed CNN is better at classifying
images than pretrained networks because it does not require preprocessing.
Thus, the overall analysis was that the proposed CNN architecture was globally
the best-performing system for classifying colorectal and prostate tumor
images.
- Abstract(参考訳): 大腸癌と前立腺癌は世界中で男性に最も多い種類のがんである。
大腸癌および前立腺がんを診断するために、病理医は針生検サンプルの組織学的分析を行う。
この手動プロセスは、時間がかかり、エラーが発生しやすいため、診断の信頼性に影響を及ぼす、インターイントラとインターオブザーバのバラエティが高い。
本研究の目的は,生検サンプルの画像を用いて大腸癌と前立腺腫瘍を診断する自動計算機システムの開発である。
生検試料のマルチ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。
重要なアイデアは、畳み込み層の最後のブロックを取り除き、層ごとのフィルタ数を半減させることだった。
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。
このシステムは,1つのCNNモデルを用いて事前処理を回避し,事前学習したCNNや他の分類手法と比較して優れた性能を示した。
総じて,提案するcnnアーキテクチャは大腸および前立腺腫瘍画像の分類に最も適したシステムであった。
提案するcnnの詳細と特徴抽出器として使用されていたネットワークモデルとの比較を行った。
これらのCNNは、他の分類手法と比較された。
事前訓練されたCNNや他の分類手法とは異なり、提案したCNNは優れた結果を得た。
CNNの計算複雑性についても検討し,前処理を必要としないため,提案したCNNは事前学習ネットワークよりも画像の分類が優れていることを示した。
以上より,提案するcnnアーキテクチャは大腸および前立腺腫瘍画像の分類に最も適したシステムであることが示唆された。
関連論文リスト
- Significantly improving zero-shot X-ray pathology classification via
fine-tuning pre-trained image-text encoders [51.14431540035141]
下流のゼロショット病理分類性能を改善するために,文サンプリングと正対損失緩和に基づく新たな微調整手法を提案する。
4種類の胸部X線データセットを用いてゼロショット病理分類性能を劇的に改善した。
論文 参考訳(メタデータ) (2022-12-14T06:04:18Z) - Prostate Lesion Detection and Salient Feature Assessment Using
Zone-Based Classifiers [0.0]
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。
論文 参考訳(メタデータ) (2022-08-24T13:08:56Z) - Predicting skull fractures via CNN with classification algorithms [0.0]
ResNet50は、頭蓋骨の骨折を脳のCTスキャンから3つの骨折カテゴリに分類するために開発された。
F1スコアは96%、ハミングスコアは95%、バランスドスコアは94%、OC AUC曲線は96%であった。
論文 参考訳(メタデータ) (2022-08-14T01:37:23Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳(メタデータ) (2022-06-14T10:16:54Z) - Stain Normalized Breast Histopathology Image Recognition using
Convolutional Neural Networks for Cancer Detection [9.826027427965354]
近年の進歩により、畳み込みニューラルネットワーク(CNN)アーキテクチャは乳がん検出のためのコンピュータ支援診断(CAD)システムの設計に利用できることが示されている。
乳腺病理像の2値分類のためのCNNモデルについて検討した。
我々は,200倍,400倍に拡大した病理像に対して,トレーニング済みのCNNネットワークを利用可能なBreaKHisデータセットで検証した。
論文 参考訳(メタデータ) (2022-01-04T03:09:40Z) - 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) - Vision Transformers for femur fracture classification [59.99241204074268]
Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。
史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
論文 参考訳(メタデータ) (2021-08-07T10:12:42Z) - 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) - A Deep Learning Study on Osteosarcoma Detection from Histological Images [6.341765152919201]
最も一般的な悪性骨腫瘍は骨肉腫である。
CNNは、外科医の作業量を著しく減らし、患者の状態の予後を良くする。
CNNは、より信頼できるパフォーマンスを達成するために、大量のデータをトレーニングする必要があります。
論文 参考訳(メタデータ) (2020-11-02T18:16:17Z) - Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and
Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。
網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。
近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。
本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。
提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文 参考訳(メタデータ) (2020-04-03T14:07:41Z)
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。