論文の概要: Thermal Analysis of Malignant Brain Tumors by Employing a Morphological Differentiation-Based Method in Conjunction with Artificial Neural Network

• arxiv url: http://arxiv.org/abs/2302.10271v1
• Date: Sat, 4 Feb 2023 22:41:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-26 14:36:42.972541
• Title: Thermal Analysis of Malignant Brain Tumors by Employing a Morphological Differentiation-Based Method in Conjunction with Artificial Neural Network
• Title（参考訳）: 形態分化に基づく人工神経回路を用いた悪性脳腫瘍の温熱解析
• Authors: Hamed Hani, Afsaneh Mojra
• Abstract要約: 組織表面の温度分布を利用して脳腫瘍の悪性度を検出する形態分化法が提案されている。 本手法は良性腫瘍と悪性腫瘍を鑑別し,良性腫瘍の程度を高精度に推定できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this study, a morphological differentiation-based method has been introduced which employs temperature distribution on the tissue surface to detect brain tumor's malignancy. According to the common tumor CT scans, two different scenarios have been implemented to describe irregular shape of the malignant tumor. In the first scenario, tumor has been considered as a polygon base prism and in the second one, it has been considered as a star-shaped base prism. By increasing the number of sides of the polygon or wings of the star, degree of the malignancy has been increased. Constant heat generation has been considered for the tumor and finite element analysis has been conducted by the ABAQUS software linked with a PYTHON script on both tumor models to study temperature variations on the top tissue surface. This temperature distribution has been characterized by 10 parameters. In each scenario, 98 sets of these parameters has been used as inputs of a radial basis function neural network (RBFNN) and number of sides or wings has been selected to be the output. The RBFNN has been trained to identify malignancy of tumor based on its morphology. According to the RBFNN results, the proposed method has been capable of differentiating between benign and malignant tumors and estimating the degree of malignancy with high accuracy
• Abstract（参考訳）: 本研究では,脳腫瘍の悪性度を検出するために,組織表面の温度分布を利用した形態分化に基づく方法を提案する。 腫瘍CTでは悪性腫瘍の異常な形状を記述するために2つの異なるシナリオが実装されている。 第1のシナリオでは腫瘍はポリゴンベースプリズムと見なされ、第2のシナリオでは星型ベースプリズムと見なされている。 ポリゴンの側面や恒星の翼の数を増やすことで、悪性度が増大した。 腫瘍に対して一定の熱発生が検討され,両腫瘍モデル上のPYTHONスクリプトとリンクしたBAQUSソフトウェアを用いて上組織表面の温度変化を研究する有限要素解析が行われた。 この温度分布は10のパラメータによって特徴づけられる。 各シナリオでは、これらのパラメータの98セットを放射基底関数ニューラルネットワーク(RBFNN)の入力として使用し、出力として側面や翼の数を選択している。 RBFNNはその形態に基づいて腫瘍の悪性度を特定するために訓練されている。 RBFNNの結果によると,本手法は良性腫瘍と悪性腫瘍の鑑別が可能であり,悪性度を高い精度で推定できる。

関連論文リスト

• Prediction of brain tumor recurrence location based on multi-modal fusion and nonlinear correlation learning [55.789874096142285]
  深層学習に基づく脳腫瘍再発位置予測ネットワークを提案する。 まず、パブリックデータセットBraTS 2021上で、マルチモーダル脳腫瘍セグメンテーションネットワークをトレーニングする。 次に、事前訓練されたエンコーダを、リッチなセマンティックな特徴を抽出するために、プライベートデータセットに転送する。 2つのデコーダは、現在の脳腫瘍を共同に分断し、将来の腫瘍再発位置を予測するために構築されている。
  論文  参考訳（メタデータ） (2023-04-11T02:45:38Z)
• Artificial-intelligence-based molecular classification of diffuse gliomas using rapid, label-free optical imaging [59.79875531898648]
  DeepGliomaは人工知能に基づく診断スクリーニングシステムである。 ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
  論文  参考訳（メタデータ） (2023-03-23T18:50:18Z)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• A New Deep Hybrid Boosted and Ensemble Learning-based Brain Tumor Analysis using MRI [0.28675177318965034]
  磁気共鳴画像(MRI)における脳腫瘍の検出・分類のための2段階深層学習フレームワークの提案 第1フェーズでは、健康な人から腫瘍MRI画像を検出するために、新しい深層化特徴とアンサンブル分類器(DBF-EC)方式が提案されている。 第2段階では, 異なる腫瘍タイプを分類するために, 動的静的特徴とML分類器からなる融合型脳腫瘍分類法が提案されている。
  論文  参考訳（メタデータ） (2022-01-14T10:24:47Z)
• Learn-Morph-Infer: a new way of solving the inverse problem for brain tumor modeling [1.1214822628210914]
  本稿では,T1GdとFLAIR MRIから患者特異的な脳腫瘍の空間分布を推定する手法を提案する。 itLearn-Morph-Inferと組み合わせたこの手法は、広く利用可能なハードウェア上で、数分のオーダーでリアルタイムのパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-11-07T13:45:35Z)
• 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)
• Radiomic Deformation and Textural Heterogeneity (R-DepTH) Descriptor to characterize Tumor Field Effect: Application to Survival Prediction in Glioblastoma [2.1916334019121537]
  腫瘍野効果の概念は、がんが可視性腫瘍を超える影響を持つ全身疾患であることを意味する。 r-DepTH (r-DepTH) を用いたMRI ベースの記述器, 放射能とテクスチュラルな異質性について述べる。 この記述子は、質量効果による周囲の正常発作全体の組織変形の微妙な摂動の測定を含む。
  論文  参考訳（メタデータ） (2021-03-12T17:38:54Z)
• Discovering Clinically Meaningful Shape Features for the Analysis of Tumor Pathology Images [2.864559331994679]
  腫瘍組織スライドのデジタル画像化は、がん診断の日常的な臨床方法になりつつある。 近年のディープラーニング手法の進歩により,病理画像中の腫瘍領域を大規模に検出し,特徴付けることが可能になった。
  論文  参考訳（メタデータ） (2020-12-09T05:56:41Z)
• Predicting survival outcomes using topological features of tumor pathology images [1.0742675209112622]
  本稿では,デジタル病理画像から腫瘍進展を特徴付けるトポロジカルな特徴を提案する。 病理像に対する距離変換を開発し, 腫瘍形状, 大きさ, 分布, 結合度をトポロジカルサマリー統計学的に定量化する。 その結果, 年齢, 性別, 喫煙状況, ステージ, 腫瘍の大きさを調節し, 生存予後を予測した。
  論文  参考訳（メタデータ） (2020-12-07T18:16:59Z)
• 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)
• Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
  本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。 提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-03T22:25:01Z)

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。