論文の概要: Pretrained Vision Models for Predicting High-Risk Breast Cancer Stage

• arxiv url: http://arxiv.org/abs/2303.10730v1
• Date: Sun, 19 Mar 2023 18:29:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 17:25:18.870187
• Title: Pretrained Vision Models for Predicting High-Risk Breast Cancer Stage
• Title（参考訳）: 高リスク乳がんステージ予測のための事前訓練型ビジョンモデル
• Authors: Bonaventure F. P. Dossou and Yenoukoume S. K. Gbenou and Miglanche Ghomsi Nono
• Abstract要約: 780万人以上の女性が乳がんと診断され、世界でも最も多いがんとなった。 我々は、乳がんステージ予測タスクにおいて、事前訓練されたコンピュータビジョンモデルの能力を活用する。
• 参考スコア（独自算出の注目度）: 0.010742675209112621
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cancer is increasingly a global health issue. Seconding cardiovascular diseases, cancers are the second biggest cause of death in the world with millions of people succumbing to the disease every year. According to the World Health Organization (WHO) report, by the end of 2020, more than 7.8 million women have been diagnosed with breast cancer, making it the world's most prevalent cancer. In this paper, using the Nightingale Open Science dataset of digital pathology (breast biopsy) images, we leverage the capabilities of pre-trained computer vision models for the breast cancer stage prediction task. While individual models achieve decent performances, we find out that the predictions of an ensemble model are more efficient, and offer a winning solution\footnote{https://www.nightingalescience.org/updates/hbc1-results}. We also provide analyses of the results and explore pathways for better interpretability and generalization. Our code is open-source at \url{https://github.com/bonaventuredossou/nightingale_winning_solution}
• Abstract（参考訳）: がんはますます世界的な健康問題になっている。 心臓血管疾患の第二に、がんは世界で2番目に大きな死因であり、毎年数百万人がこの病気に罹患している。 世界保健機関(who)の報告書によると、2020年末までに780万人以上の女性が乳がんと診断され、世界で最も一般的ながんとなっている。 本稿では,乳がんステージ予測タスクにおいて,デジタル病理(breast biopsy)画像のナイチンゲールオープンサイエンスデータセットを用いて,事前学習したコンピュータビジョンモデルの機能を活用した。 個々のモデルがまともなパフォーマンスを実現する一方で、アンサンブルモデルの予測がより効率的であることを見出し、勝利のソリューションである\footnote{https://www.nightingalescience.org/updates/hbc1-results}を提供する。 また,結果を解析し,解釈性と一般化のための経路を探索する。 私たちのコードは、 \url{https://github.com/bonaventuredossou/nightingale_winning_solution}でオープンソースです。

関連論文リスト

• Cancer-Net SCa-Synth: An Open Access Synthetically Generated 2D Skin Lesion Dataset for Skin Cancer Classification [65.83291923029985]
  アメリカ合衆国では、皮膚がんが最も一般的に診断されるがんと位置づけられており、公衆衛生上の問題となっている。 データセットのキュレーションとディープラーニングの進歩により、皮膚がんの迅速かつ正確な検出が期待できる。 Cancer-Net SCa- Synthは、皮膚がん分類のためのオープンアクセス合成された2D皮膚病変データセットである。
  論文  参考訳（メタデータ） (2024-11-08T02:04:21Z)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• 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)
• Improved Breast Cancer Diagnosis through Transfer Learning on Hematoxylin and Eosin Stained Histology Images [3.7498611358320733]
  本研究では,最新のBRACS染色画像を用いて乳癌腫瘍の分類を行った。 我々は、Xception、EfficientNet、ResNet50、InceptionResNetといった、ImageNet重みに基づいて事前訓練された様々なディープラーニングモデルを用いて実験を行った。
  論文  参考訳（メタデータ） (2023-09-15T20:16:17Z)
• 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)
• ViT-DeiT: An Ensemble Model for Breast Cancer Histopathological Images Classification [0.0]
  提案するアンサンブルモデルでは,乳がんの病理像を8つのクラスに分類する。 実験の結果、98.17%の精度、98.18%の精度、98.08%のリコール、98.12%のF1スコアが得られた。
  論文  参考訳（メタデータ） (2022-11-01T21:10:00Z)
• Machine Learning Approaches to Predict Breast Cancer: Bangladesh Perspective [0.0]
  本研究は,乳がんをクラスで最大精度で予測できる最良のアルゴリズムの発見に焦点をあてる。 このモデルの実装後、この研究はRandom ForestとXGBoostで94%のモデル精度を達成した。
  論文  参考訳（メタデータ） (2022-06-30T01:44:53Z)
• Breast Cancer Induced Bone Osteolysis Prediction Using Temporal Variational Auto-Encoders [65.95959936242993]
  骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。 乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
  論文  参考訳（メタデータ） (2022-03-20T21:00:10Z)
• 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)
• Dermatologist vs Neural Network [0.0]
  1年間に123,000件の悪性黒色腫が検出されている。 ディープラーニングは、素晴らしい結果をもたらす方法のひとつです。 7種類の皮膚疾患に属する10015枚の画像を提供するHAM10000データセットでモデルをトレーニングした。 提案したモデルでは89%の精度が得られた。
  論文  参考訳（メタデータ） (2020-06-15T09:44:57Z)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)

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。