論文の概要: Deep Learning in Breast Cancer Imaging: A Decade of Progress and Future
Directions
- arxiv url: http://arxiv.org/abs/2304.06662v4
- Date: Sat, 20 Jan 2024 07:10:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-23 22:03:43.068603
- Title: Deep Learning in Breast Cancer Imaging: A Decade of Progress and Future
Directions
- Title(参考訳): 乳癌画像の深層学習 : 進歩と今後の方向性
- Authors: Luyang Luo, Xi Wang, Yi Lin, Xiaoqi Ma, Andong Tan, Ronald Chan, Varut
Vardhanabhuti, Winnie CW Chu, Kwang-Ting Cheng, Hao Chen
- Abstract要約: 乳がんは2020年以降、世界中のすべての悪性腫瘍の中で最高率に達している。
深層学習は乳がん画像解析において顕著な進歩を見せている。
画像ベーススクリーニング,診断,治療反応予測,予後予測における主要なディープラーニング手法と応用について考察した。
- 参考スコア(独自算出の注目度): 28.334385132025822
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Breast cancer has reached the highest incidence rate worldwide among all
malignancies since 2020. Breast imaging plays a significant role in early
diagnosis and intervention to improve the outcome of breast cancer patients. In
the past decade, deep learning has shown remarkable progress in breast cancer
imaging analysis, holding great promise in interpreting the rich information
and complex context of breast imaging modalities. Considering the rapid
improvement in deep learning technology and the increasing severity of breast
cancer, it is critical to summarize past progress and identify future
challenges to be addressed. This paper provides an extensive review of deep
learning-based breast cancer imaging research, covering studies on mammogram,
ultrasound, magnetic resonance imaging, and digital pathology images over the
past decade. The major deep learning methods and applications on imaging-based
screening, diagnosis, treatment response prediction, and prognosis are
elaborated and discussed. Drawn from the findings of this survey, we present a
comprehensive discussion of the challenges and potential avenues for future
research in deep learning-based breast cancer imaging.
- Abstract(参考訳): 乳がんは2020年以降、世界中のすべての悪性腫瘍の中で最高率に達している。
乳がん患者の早期診断と治療の介入において乳房画像は重要な役割を担っている。
過去10年間で、深層学習は乳がん画像解析の顕著な進歩を示し、乳がん画像の豊富な情報と複雑な文脈を解釈する上で大きな可能性を秘めている。
深層学習技術の急速な進歩と乳癌の重症度の増加を考えると、過去の進歩を要約し、対処すべき今後の課題を特定することが重要である。
本稿では,過去10年間のマンモグラム,超音波,磁気共鳴画像,およびデジタル病理画像について,ディープラーニングを用いた乳癌画像研究の広範なレビューを行う。
画像に基づくスクリーニング,診断,治療反応予測,予後に関する主要な深層学習法と応用について詳述した。
本稿では,本研究の結果から,ディープラーニングを用いた乳がんイメージングにおける今後の研究の課題と可能性について総合的な考察を行う。
関連論文リスト
- Breast Ultrasound Report Generation using LangChain [58.07183284468881]
本稿では,Large Language Models (LLM) を用いたLangChainによる複数の画像解析ツールを胸部報告プロセスに統合することを提案する。
本手法は,超音波画像から関連する特徴を正確に抽出し,臨床的文脈で解釈し,包括的で標準化された報告を生成する。
論文 参考訳(メタデータ) (2023-12-05T00:28:26Z) - 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) - A Survey of Breast Cancer Screening Techniques: Thermography and
Electrical Impedance Tomography [0.5480546613836199]
マンモグラフィーは乳癌検診の基準技術である。
多くの国では、経済的、社会的、文化的問題のために、まだマンモグラムへのアクセスがない。
論文 参考訳(メタデータ) (2022-02-08T09:25:30Z) - Deep Integrated Pipeline of Segmentation Leading to Classification for
Automated Detection of Breast Cancer from Breast Ultrasound Images [0.0]
提案フレームワークは,超音波画像の前処理をSLIC(Simple Linear Iterative Clustering)と統合し,乳房超音波画像の複雑なアーティファクトに対処する。
提案した自動パイプラインは、乳がんをより正確かつタイムリーに診断する医療従事者を支援するために効果的に実装することができる。
論文 参考訳(メタデータ) (2021-10-26T20:42:39Z) - Learned super resolution ultrasound for improved breast lesion
characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。
この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。
トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文 参考訳(メタデータ) (2021-07-12T09:04:20Z) - DenseNet for Breast Tumor Classification in Mammographic Images [0.0]
本研究の目的は,マンモグラフィ画像における乳腺病変の自動検出,分画,分類のための深層畳み込みニューラルネットワーク手法を構築することである。
ディープラーニングに基づいて,選択と抽出を特徴とするmask-cnn(roialign)法を開発し,drknet architectureを用いて分類を行った。
論文 参考訳(メタデータ) (2021-01-24T03:30:59Z) - Deep Learning Based Computer-Aided Systems for Breast Cancer Imaging : A
Critical Review [0.0]
このレビューは、過去10年間に出版された文献(2010年1月、2020年1月)に基づいている。
分類過程における主な知見は,新しいDL-CAD法が乳癌に対する有用かつ効果的なスクリーニングツールであることである。
論文 参考訳(メタデータ) (2020-09-30T18:41:20Z) - Deep learning approach for breast cancer diagnosis [1.6244541005112747]
乳がんを効果的かつ早期に検出できるU-net構造に着想を得た新しいネットワークアーキテクチャを開発した。
その結果,臨床応用において提案手法の有用性を示す感度と特異性が高いことが示唆された。
論文 参考訳(メタデータ) (2020-03-10T00:47:37Z) - 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。