論文の概要: Breast Cancer Diagnosis Using Machine Learning Techniques
- arxiv url: http://arxiv.org/abs/2305.02482v1
- Date: Thu, 4 May 2023 01:07:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-05 17:26:22.181771
- Title: Breast Cancer Diagnosis Using Machine Learning Techniques
- Title（参考訳）: 機械学習を用いた乳癌診断
- Authors: Juan Zuluaga-Gomez
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.8528384027684192
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Breast cancer is one of the most threatening diseases in women's life; thus,
the early and accurate diagnosis plays a key role in reducing the risk of death
in a patient's life. Mammography stands as the reference technique for breast
cancer screening; nevertheless, many countries still lack access to mammograms
due to economic, social, and cultural issues. Latest advances in computational
tools, infrared cameras and devices for bio-impedance quantification, have
given a chance to emerge other reference techniques like thermography, infrared
thermography, electrical impedance tomography and biomarkers found in blood
tests, therefore being faster, reliable and cheaper than other methods. In the
last two decades, the techniques mentioned above have been considered as
parallel and extended approaches for breast cancer diagnosis, as well many
authors concluded that false positives and false negatives rates are
significantly reduced. Moreover, when a screening method works together with a
computational technique, it generates a "computer-aided diagnosis" system. The
present work aims to review the last breakthroughs about the three techniques
mentioned earlier, suggested machine learning techniques to breast cancer
diagnosis, thus, describing the benefits of some methods in relation with other
ones, such as, logistic regression, decision trees, random forest, deep and
convolutional neural networks. With this, we studied several hyperparameters
optimization approaches with parzen tree optimizers to improve the performance
of baseline models. An exploratory data analysis for each database and a
benchmark of convolutional neural networks for the database of thermal images
are presented. The benchmark process, reviews image classification techniques
with convolutional neural networks, like, Resnet50, NasNetmobile,
InceptionResnet and Xception.
- Abstract（参考訳）: 乳がんは女性の生活において最も危険な疾患の1つであり、早期かつ正確な診断は患者の生活における死亡リスクを減らす上で重要な役割を担っている。
マンモグラフィは乳がん検診の基準技術であるが、多くの国では経済的、社会的、文化的問題のためにマンモグラフィへのアクセスが不足している。
計算ツール、赤外線カメラ、生体影響定量化装置の最近の進歩は、血液検査で見つかったサーモグラフィ、赤外線サーモグラフィ、電気インピーダンストモグラフィ、バイオマーカーなどの他の参照技術が出現する機会を与え、他の方法よりも高速で信頼性が高く、安価である。
過去20年間で、上記の手法は乳がんの診断に平行で拡張的なアプローチとして検討され、多くの著者が偽陽性と偽陰性率は著しく減少していると結論付けている。
さらに,スクリーニング手法が計算手法と連携して動作すると,コンピュータ支援診断システムを生成する。
本研究は,先述した3つの手法に関する最後のブレークスルー,乳がん診断への機械学習技術の提案,ロジスティック回帰,決定木,ランダムフォレスト,深層および畳み込みニューラルネットワークなど,他の手法と関連するいくつかの手法の利点を説明することを目的とした。
そこで本研究では,高パラメータ最適化手法について検討し,ベースラインモデルの性能向上を目的とした。
各データベースの探索データ解析と熱画像データベースのための畳み込みニューラルネットワークのベンチマークを示す。
ベンチマークプロセスは、Resnet50、NasNetmobile、InceptionResnet、Xceptionなど、畳み込みニューラルネットワークによる画像分類手法をレビューする。
関連論文リスト
- Post-Hoc Explainability of BI-RADS Descriptors in a Multi-task Framework
for Breast Cancer Detection and Segmentation [48.08423125835335]
MT-BI-RADSは乳房超音波(BUS)画像における腫瘍検出のための新しい深層学習手法である。
放射線科医が腫瘍の悪性度を予測するための意思決定プロセスを理解するための3つのレベルの説明を提供する。
論文 参考訳（メタデータ） (2023-08-27T22:07:42Z) - Mammograms Classification: A Review [0.0]
マンモグラム画像はコンピュータ支援診断システムの開発に利用されてきた。
研究者たちは、人工知能が病気の早期発見に利用できることを証明した。
論文 参考訳（メタデータ） (2022-03-04T19:22:35Z) - 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) - 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) - A Survey on Masked Facial Detection Methods and Datasets for Fighting
Against COVID-19 [64.88701052813462]
新型コロナウイルス感染症2019(COVID-19)は、感染拡大以来、世界にとって大きな課題となっている。
この病気と闘うために、一連の人工知能(AI)技術が開発され、現実世界のシナリオに適用される。
本稿では主に、マスク付き顔検出と関連するデータセットのAI技術に焦点を当てる。
論文 参考訳（メタデータ） (2022-01-13T03:28:20Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Predicting invasive ductal carcinoma using a Reinforcement Sample
Learning Strategy using Deep Learning [0.951828574518325]
浸潤性管癌の死因は女性で2番目に多い。
特定のマンモグラフィーの像の明瞭度や構造が変化しているため、がんの特徴を観察することは困難である。
本稿では乳房マンモグラフィー画像に畳み込みニューラルネットワークを新たに利用する腫瘍分類アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-05-26T14:14:45Z) - 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) - 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) - Using Machine Learning to Automate Mammogram Images Analysis [12.19801103274363]
X線マンモグラフィーによる乳がんの早期発見は死亡率を効果的に低下させたと考えられている。
マンモグラム画像を処理するコンピュータ支援自動マンモグラム解析システムを提案し, 正常または癌として自動的に識別する。
論文 参考訳（メタデータ） (2020-12-06T00:10:18Z) - 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。