論文の概要: Weakly Supervised Lesion Detection and Diagnosis for Breast Cancers with
Partially Annotated Ultrasound Images
- arxiv url: http://arxiv.org/abs/2306.06982v1
- Date: Mon, 12 Jun 2023 09:26:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-13 15:21:01.759686
- Title: Weakly Supervised Lesion Detection and Diagnosis for Breast Cancers with
Partially Annotated Ultrasound Images
- Title（参考訳）: 部分アノテート超音波画像を用いた乳癌の弱い教師あり病変の検出と診断
- Authors: Jian Wang, Liang Qiao, Shichong Zhou, Jin Zhou, Jun Wang, Juncheng Li,
Shihui Ying, Cai Chang, and Jun Shi
- Abstract要約: 診断精度を高めるために弱教師付き学習に基づく2段階検出・診断ネットワーク(TSDDNet)を提案する。
提案するTSDDNetはBモード超音波データセットを用いて評価し,その実験結果から病変検出と診断の両タスクにおいて最高の性能を発揮することが示された。
- 参考スコア（独自算出の注目度）: 19.374895481597466
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deep learning (DL) has proven highly effective for ultrasound-based
computer-aided diagnosis (CAD) of breast cancers. In an automaticCAD system,
lesion detection is critical for the following diagnosis. However, existing
DL-based methods generally require voluminous manually-annotated region of
interest (ROI) labels and class labels to train both the lesion detection and
diagnosis models. In clinical practice, the ROI labels, i.e. ground truths, may
not always be optimal for the classification task due to individual experience
of sonologists, resulting in the issue of coarse annotation that limits the
diagnosis performance of a CAD model. To address this issue, a novel Two-Stage
Detection and Diagnosis Network (TSDDNet) is proposed based on weakly
supervised learning to enhance diagnostic accuracy of the ultrasound-based CAD
for breast cancers. In particular, all the ROI-level labels are considered as
coarse labels in the first training stage, and then a candidate selection
mechanism is designed to identify optimallesion areas for both the fully and
partially annotated samples. It refines the current ROI-level labels in the
fully annotated images and the detected ROIs in the partially annotated samples
with a weakly supervised manner under the guidance of class labels. In the
second training stage, a self-distillation strategy further is further proposed
to integrate the detection network and classification network into a unified
framework as the final CAD model for joint optimization, which then further
improves the diagnosis performance. The proposed TSDDNet is evaluated on a
B-mode ultrasound dataset, and the experimental results show that it achieves
the best performance on both lesion detection and diagnosis tasks, suggesting
promising application potential.
- Abstract（参考訳）: 深層学習(DL)は乳がんの超音波によるコンピュータ支援診断(CAD)に有効であることが証明されている。
自動CADシステムでは下記の診断に病変検出が重要である。
しかし、既存のDLベースの手法では、通常、病変検出と診断モデルの両方をトレーニングするために、手動による関心領域(ROI)ラベルとクラスラベルが必要である。
臨床実践において、ROIラベル、すなわち基礎的真実は、ソノロジーの個人経験による分類作業に最適であるとは限らないため、CADモデルの診断性能を制限する粗いアノテーションが問題となる。
この課題に対処するために,乳がん用超音波CADの診断精度を高めるために,弱教師付き学習に基づく新しい2段階検出診断ネットワーク(TSDDNet)を提案する。
特に、roiレベルラベルは、第1訓練段階では粗いラベルと見なされ、その後、完全および部分的に注釈されたサンプルの両方の最適レシオン領域を特定するために候補選択機構が設計されている。
完全に注釈付けされた画像中の現在のROIレベルラベルと検出されたROIを、クラスラベルのガイダンスの下で弱教師付きで改善する。
第2の訓練段階では, 検出ネットワークと分類ネットワークを統合フレームワークに統合し, 統合最適化のための最終cadモデルとして自己蒸留戦略がさらに提案され, 診断性能がさらに向上する。
提案するTSDDNetはBモード超音波データセットを用いて評価し,その実験結果から病変検出と診断の両タスクにおいて最高の性能を示し,将来的な応用の可能性を示す。
関連論文リスト
- Semantics-Aware Attention Guidance for Diagnosing Whole Slide Images [5.856390270089738]
我々はSemantics-Aware Attention Guidance(SAG)という新しいフレームワークを紹介する。
SAGは,1) 診断関連エンティティを注意信号に変換する技術,2) 意味的に重要な情報を効率的に統合する柔軟な注意損失を含む。
2つの異なるがんデータセットに対する実験は、精度、精度、リコールにおいて一貫した改善を示す。
論文 参考訳（メタデータ） (2024-04-16T20:37:14Z) - A Global and Patch-wise Contrastive Loss for Accurate Automated Exudate
Detection [12.669734891001667]
糖尿病網膜症(DR:diabetic retinopathy)は、視覚障害の主要な原因である。
硬口蓋の早期発見は、糖尿病の治療と視力喪失の予防に役立つDRの同定において重要な役割を担っている。
ハード・エクスデュート・セグメンテーションを最適化する新しい教師付きコントラスト学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-02-22T17:39:00Z) - 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) - BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer
Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。
提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。
臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文 参考訳（メタデータ） (2021-10-05T19:14:46Z) - Weakly-Supervised Universal Lesion Segmentation with Regional Level Set
Loss [16.80758525711538]
高分解能ネットワーク(HRNet)に基づく新しい弱監督ユニバーサル病変分割法を提案する。
AHRNetはデコーダ、デュアルアテンション、スケールアテンション機構を含む高度な高解像度のディープイメージ機能を提供する。
本手法は,公開大規模deeplesionデータセットとホールドアウトテストセットにおいて,最高の性能を実現する。
論文 参考訳（メタデータ） (2021-05-03T23:33:37Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳（メタデータ） (2021-01-27T19:28:04Z) - Inheritance-guided Hierarchical Assignment for Clinical Automatic
Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。
本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-01-27T13:16:51Z) - Task-driven Self-supervised Bi-channel Networks Learning for Diagnosis
of Breast Cancers with Mammography [3.616305360490957]
tsbnl(task-driven bi-channel network)フレームワークは,マンモグラムを限定した分類ネットワークの性能を向上させるために提案されている。
実験の結果,乳がんの診断には従来のsslアルゴリズムを上回っており,サンプルが限られていた。
論文 参考訳（メタデータ） (2021-01-15T17:28:52Z) - Explainable Disease Classification via weakly-supervised segmentation [4.154485485415009]
CAD(Computer Aided Diagnosis)に対するディープラーニングアプローチは、画像分類(Normal or Abnormal)問題として問題を引き起こすのが一般的である。
本稿では,この問題を考察し,診断に先立ってエビデンスを探す臨床実践を模倣するアプローチを提案する。
提案法はマンモグラフィー画像から乳癌検出に適応する。
論文 参考訳（メタデータ） (2020-08-24T09:00:30Z) - Collaborative Unsupervised Domain Adaptation for Medical Image Diagnosis [102.40869566439514]
我々は、Unsupervised Domain Adaptation (UDA)を通じて、対象タスクにおける学習を支援するために、関連ドメインからの豊富なラベル付きデータを活用しようとしている。
クリーンなラベル付きデータやサンプルを仮定するほとんどのUDAメソッドが等しく転送可能であるのとは異なり、協調的教師なしドメイン適応アルゴリズムを革新的に提案する。
提案手法の一般化性能を理論的に解析し,医用画像と一般画像の両方で実験的に評価する。
論文 参考訳（メタデータ） (2020-07-05T11:49:17Z)
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。