Fugu-MT 論文翻訳(概要): Risk stratification of malignant melanoma using neural networks

論文の概要: Risk stratification of malignant melanoma using neural networks

arxiv url: http://arxiv.org/abs/2306.06195v1
Date: Mon, 15 May 2023 20:59:44 GMT
ステータス: 処理完了
システム内更新日: 2023-06-18 12:39:52.141536
Title: Risk stratification of malignant melanoma using neural networks
Title（参考訳）: ニューラルネットワークを用いた悪性黒色腫のリスク階層化
Authors: Julian Burghoff, Leonhard Ackermann, Younes Salahdine, Veronika Bram, Katharina Wunderlich, Julius Balkenhol, Thomas Dirschka and Hanno Gottschalk
Abstract要約: 本稿では,AUROC値が0.78まで向上する画像ベース手法について述べる。ハードウェアコンポーネントに依存しないユーザビリティを実現することが重要であるため,2つの異なるイメージソース間のドメインギャップの重要性が考慮されている。
参考スコア（独自算出の注目度）: 0.4397520291340695
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In order to improve the detection and classification of malignant melanoma, this paper describes an image-based method that can achieve AUROC values of up to 0.78 without additional clinical information. Furthermore, the importance of the domain gap between two different image sources is considered, as it is important to create usability independent of hardware components such as the high-resolution scanner used. Since for the application of machine learning methods, alterations of scanner-specific properties such as brightness, contrast or sharpness can have strong (negative) effects on the quality of the prediction methods, two ways to overcome this domain gap are discussed in this paper.
Abstract（参考訳）: 本稿では,悪性黒色腫の検出と分類を改善するため,臨床情報なしで最大0.78のauroc値を達成するための画像ベース手法を提案する。さらに、使用する高解像度スキャナなどのハードウェアコンポーネントに依存しないユーザビリティを実現することが重要であるため、2つの異なる画像ソース間のドメインギャップの重要性も考慮されている。機械学習手法の適用においては,輝度,コントラスト,シャープネスなどのスキャナ特性の変化が予測手法の品質に強い(負の)影響をもたらす可能性があるため,この領域間隙を克服する2つの方法が議論されている。

関連論文リスト

Classification of Breast Cancer Histopathology Images using a Modified Supervised Contrastive Learning Method [4.303291247305105]
モデルロバスト性を高めるために、画像レベルラベルとドメイン固有の拡張の両方を活用することで教師付きコントラスト学習法を改善する。乳癌の病理組織像から得られたBreakHisデータセットについて検討した。この改良は93.63%の絶対精度に対応し、データの特性を利用してより適切な表現空間を学習するアプローチの有効性を強調した。
論文参考訳（メタデータ） (2024-05-06T17:06:11Z)
MAF-Net: Multiple attention-guided fusion network for fundus vascular image segmentation [1.3295074739915493]
網膜基底画像の血管を正確に検出するマルチアテンション誘導核融合ネットワーク(MAF-Net)を提案する。従来のUNetベースのモデルは、長距離依存を明示的にモデル化するため、部分的な情報を失う可能性がある。提案手法は,いくつかの最先端手法と比較して良好な結果が得られることを示す。
論文参考訳（メタデータ） (2023-05-05T15:22:20Z)
Explainable Image Quality Assessment for Medical Imaging [0.0]
質の悪い医療画像は誤診につながる可能性がある。本稿では,説明可能な画像品質評価システムを提案し,その考え方を2つの異なる目的に対して検証する。本研究では,サリエンシ検出器の忠実度を測定するために,様々な手法を適用した。我々は,NormGradがObject-CXRで0.853点,LVOTデータセットで0.611点,繰り返しポイントゲームで0.853点に達することで,他のサリエンシ検出器よりも顕著に向上したことを示す。
論文参考訳（メタデータ） (2023-03-25T14:18:39Z)
Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2022-11-14T18:16:36Z)
Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文参考訳（メタデータ） (2022-03-29T08:41:17Z)
Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文参考訳（メタデータ） (2022-02-27T02:19:09Z)
Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image Synthesis [65.47507533905188]
コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
論文参考訳（メタデータ） (2021-10-27T18:54:25Z)
Residual Networks based Distortion Classification and Ranking for Laparoscopic Image Quality Assessment [12.374294852377382]
腹腔鏡画像やビデオは、ノイズ、煙、ぼやけ、均一でない照明など、様々な種類の歪みに影響されることが多い。本稿では,歪みの重大度レベル(またはランク)を考慮し,画像品質評価タスクを多ラベル分類問題として定式化する。腹腔鏡画像データセットで得られた結果は,提案手法の効率性を示す。
論文参考訳（メタデータ） (2021-06-12T14:26:11Z)
Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文参考訳（メタデータ） (2021-04-02T20:52:05Z)
Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。