論文の概要: A Deep Analysis of Transfer Learning Based Breast Cancer Detection Using Histopathology Images

• arxiv url: http://arxiv.org/abs/2304.05022v1
• Date: Tue, 11 Apr 2023 07:17:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-12 15:59:29.492211
• Title: A Deep Analysis of Transfer Learning Based Breast Cancer Detection Using Histopathology Images
• Title（参考訳）: 病理組織像を用いた転移学習に基づく乳癌検出の深部解析
• Authors: Md Ishtyaq Mahmud, Muntasir Mamun, Ahmed Abdelgawad
• Abstract要約: ディープニューラルネットワーク(Deep Neural Network, DNN)は、乳がんの検出精度を向上させるために一般的に用いられる。 病理組織像のデータセットを用いて,乳がん検出のための事前訓練深達度学習モデルの解析を行った。 転送学習モデルを解析した結果,ResNet50の精度は90.2%,曲線下面積(AUC)は90.0%,リコール率は94.7%,限界損失は3.5%であった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Breast cancer is one of the most common and dangerous cancers in women, while it can also afflict men. Breast cancer treatment and detection are greatly aided by the use of histopathological images since they contain sufficient phenotypic data. A Deep Neural Network (DNN) is commonly employed to improve accuracy and breast cancer detection. In our research, we have analyzed pre-trained deep transfer learning models such as ResNet50, ResNet101, VGG16, and VGG19 for detecting breast cancer using the 2453 histopathology images dataset. Images in the dataset were separated into two categories: those with invasive ductal carcinoma (IDC) and those without IDC. After analyzing the transfer learning model, we found that ResNet50 outperformed other models, achieving accuracy rates of 90.2%, Area under Curve (AUC) rates of 90.0%, recall rates of 94.7%, and a marginal loss of 3.5%.
• Abstract（参考訳）: 乳癌は女性にとって最も一般的で危険ながんの1つであり、男性を苦しめることもある。 乳癌の治療と検出は,十分な表現型データを含むため,病理組織像の使用によって大いに助けられる。 ディープニューラルネットワーク(dnn)は、精度と乳がん検出を改善するために一般的に用いられる。 本研究では, resnet50, resnet101, vgg16, vgg19などの事前学習された深層伝達学習モデルを用いて, 2453 histopathology imagesデータセットを用いて乳癌の検出を行った。 画像は浸潤性胆管癌 (idc) と非浸潤性胆管癌 (idc) の2つの分類に分類された。 転送学習モデルを解析した結果,ResNet50の精度は90.2%,曲線下面積(AUC)は90.0%,リコール率は94.7%,限界損失は3.5%であった。

関連論文リスト

• 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)
• 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)
• CEIMVEN: An Approach of Cutting Edge Implementation of Modified Versions of EfficientNet (V1-V2) Architecture for Breast Cancer Detection and Classification from Ultrasound Images [0.0]
  乳がんは女性の死亡数の最大の原因となっている。 近年の研究では、超音波画像やマンモグラフィーから乳がんを検出・分類し、深層ニューラルネットワークで分類する上で、医療画像処理と医療画像処理が重要な役割を担っている。 本研究では,EfficientNet の最先端版の改良版に対する厳密な実装と反復的な結果分析に焦点をあてた。
  論文  参考訳（メタデータ） (2023-08-25T13:05:06Z)
• LCDctCNN: Lung Cancer Diagnosis of CT scan Images Using CNN Based Model [0.0]
  我々は,CTスキャン画像を用いた肺がん早期検出のためのディープラーニングモデルに基づく畳み込みニューラルネットワークフレームワークを提案する。 精度は92%、AUCは98.21%、リコールは91.72%、損失は0.328である。
  論文  参考訳（メタデータ） (2023-04-10T18:47:20Z)
• High-resolution synthesis of high-density breast mammograms: Application to improved fairness in deep learning based mass detection [48.88813637974911]
  深層学習に基づくコンピュータ支援検出システムは乳癌検出において優れた性能を示した。 高密度の乳房は、高密度の組織がマスを覆ったりシミュレートしたりできるため、検出性能が劣っている。 本研究は,高密度乳房における高密度フルフィールドデジタルマンモグラムを用いた質量検出性能の向上を目的とする。
  論文  参考訳（メタデータ） (2022-09-20T15:57:12Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• 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)
• Comparison of different CNNs for breast tumor classification from ultrasound images [12.98780709853981]
  超音波画像から良性腫瘍と悪性腫瘍を分類することは重要であるが困難な課題である。 乳腺腫瘍自動分類の課題として,様々な畳み込みニューラルネットワーク(cnns)と転送学習法を比較した。 最高の性能は、精度0.919とauc0.934のvgg-16の微調整によって得られた。
  論文  参考訳（メタデータ） (2020-12-28T22:54:08Z)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)
• Diagnosis of Breast Cancer Based on Modern Mammography using Hybrid Transfer Learning [5.835732870341059]
  本稿では,乳癌検出のための転写学習プロセスに焦点を当てた。 本稿では,改良VGG 16,残差ネットワーク,移動ネットワークを提案し,実装した。
  論文  参考訳（メタデータ） (2020-03-23T05:16:34Z)
• Breast Cancer Detection Using Convolutional Neural Networks [0.0]
  エチオピアでは女性がん患者の34%を占める乳がんが一般的である。 深層学習技術は医療画像分析の分野に革命をもたらしている。 本モデルは,マンモグラフィ(MG)画像において,腫瘤領域を検出し,良性または悪性の異常に分類する。
  論文  参考訳（メタデータ） (2020-03-17T19:41:00Z)

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。