Fugu-MT 論文翻訳(概要): Using VGG16 Algorithms for classification of lung cancer in CT scans Image

論文の概要: Using VGG16 Algorithms for classification of lung cancer in CT scans Image

arxiv url: http://arxiv.org/abs/2305.18367v1
Date: Sat, 27 May 2023 18:50:12 GMT
ステータス: 処理完了
システム内更新日: 2023-05-31 22:12:57.476294
Title: Using VGG16 Algorithms for classification of lung cancer in CT scans Image
Title（参考訳）: CTスキャン画像におけるVGG16アルゴリズムを用いた肺癌の分類
Authors: Hasan Hejbari Zargar, Saha Hejbari Zargar, Raziye Mehri, Farzane Tajidini
Abstract要約: VGG16と呼ばれる深層学習アルゴリズムは、がんの結節の診断と分類を支援するために開発された。 VGG16は悪性、良性、健康な患者のがんの医療像を分類することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Lung cancer is the leading reason behind cancer-related deaths within the world. Early detection of lung nodules is vital for increasing the survival rate of cancer patients. Traditionally, physicians should manually identify the world suspected of getting carcinoma. When developing these detection systems, the arbitrariness of lung nodules' shape, size, and texture could be a challenge. Many studies showed the applied of computer vision algorithms to accurate diagnosis and classification of lung nodules. A deep learning algorithm called the VGG16 was developed during this paper to help medical professionals diagnose and classify carcinoma nodules. VGG16 can classify medical images of carcinoma in malignant, benign, and healthy patients. This paper showed that nodule detection using this single neural network had 92.08% sensitivity, 91% accuracy, and an AUC of 93%.
Abstract（参考訳）: 肺がんは、世界中でがん関連の死亡の原因となっている。癌患者の生存率を高めるには早期肺結節の検出が不可欠である。伝統的に、医師はがんの疑いのある世界を手作業で特定すべきである。これらの検出システムの開発において, 肺結節の形態, サイズ, テクスチャの任意性は困難である。多くの研究は、肺結節の正確な診断と分類にコンピュータビジョンアルゴリズムを適用した。本稿では, 癌結節の診断・分類を支援するために, VGG16という深層学習アルゴリズムを開発した。 VGG16は悪性、良性、健康な患者のがんの医療像を分類することができる。本稿では,この単一ニューラルネットワークを用いた結節検出の感度は92.08%,精度91%,aucは93%であった。

関連論文リスト

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)
Double Integral Enhanced Zeroing Neural Network Optimized with ALSOA fostered Lung Cancer Classification using CT Images [1.1510009152620668]
肺がんは最も致命的な疾患の1つであり、疾患や死亡の原因となっている。提案手法は既存の手法で解析した18.32%,27.20%,34.32%の精度で得られた。
論文参考訳（メタデータ） (2023-12-05T10:53:35Z)
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)
Artificial intelligence based prediction on lung cancer risk factors using deep learning [0.0]
早期の症状の捕捉と定義は、患者にとって最も難しい段階の1つである。深層学習手法を用いて,肺がんを極めて高い精度で検出できるモデルを開発した。その結果, 精度は94%, 最小損失は0.1%であった。
論文参考訳（メタデータ） (2023-04-11T08:57:15Z)
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)
Classification of Histopathology Images of Lung Cancer Using Convolutional Neural Network (CNN) [0.2578242050187029]
がんは人体内の異常な細胞の制御不能な細胞分裂であり、他の臓器に拡がることがある。非感染性疾患(NCD)の1つであり、NCDは全世界で死者の71%を占めている。乳癌は女性乳癌に次いで2番目に多いがんである。肺癌の生存率は19%に過ぎない。
論文参考訳（メタデータ） (2021-12-27T07:43:58Z)
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)
Automatic Generation of Interpretable Lung Cancer Scoring Models from Chest X-Ray Images [9.525711971667679]
肺がんは世界中でがんの死因となっている。深層学習技術は肺がんの診断に有効である。これらの技術は、まだ医療コミュニティによって承認され、採用されていない。
論文参考訳（メタデータ） (2020-12-10T04:11:59Z)
3D Neural Network for Lung Cancer Risk Prediction on CT Volumes [0.6810862244331126]
肺がんはアメリカ合衆国で最も多いがん死の原因である。肺がんCT検査は、死亡率を40%まで下げることが示されている。放射線診断の基準が採用されているにもかかわらず, 経年変化が持続的であり, 包括的画像所見の不完全な特徴が現在の方法の限界として残っている。本稿では,肺がんリスク予測のための最先端ディープラーニングアルゴリズムを再現する。
論文参考訳（メタデータ） (2020-07-25T10:01:22Z)
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)

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。