論文の概要: Screening Mammography Breast Cancer Detection
- arxiv url: http://arxiv.org/abs/2307.11274v1
- Date: Fri, 21 Jul 2023 00:15:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-24 14:11:51.849133
- Title: Screening Mammography Breast Cancer Detection
- Title(参考訳): 乳癌検診
- Authors: Debajyoti Chakraborty
- Abstract要約: 乳癌は、がんによる死亡の主な原因である。
現在のスクリーニングプログラムは高価で、偽陽性になりやすい。
本稿では,乳がん自動検出の解決策を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Breast cancer is a leading cause of cancer-related deaths, but current
programs are expensive and prone to false positives, leading to unnecessary
follow-up and patient anxiety. This paper proposes a solution to automated
breast cancer detection, to improve the efficiency and accuracy of screening
programs. Different methodologies were tested against the RSNA dataset of
radiographic breast images of roughly 20,000 female patients and yielded an
average validation case pF1 score of 0.56 across methods.
- Abstract(参考訳): 乳癌はがん関連死亡の主な原因であるが、現在のプログラムは高価であり、偽陽性になりやすいため、不要なフォローアップや患者の不安につながる。
本稿では,検診プログラムの効率と精度を向上させるため,乳がん検診の自動化手法を提案する。
約2万例の乳房x線画像のrsnaデータセットに対して異なる方法がテストされ,各方法で平均検証症例 pf1 スコア 0.56 が得られた。
関連論文リスト
- Breast Cancer Classification Using Gradient Boosting Algorithms Focusing on Reducing the False Negative and SHAP for Explainability [0.6906005491572401]
本研究は,乳がん予測のためのブースティングに基づく各種機械学習アルゴリズムの性能評価に焦点をあてる。
本研究の目的は,AdaBoost,XGBoost,CatBoost,LightGBMといった最先端の促進アルゴリズムを用いて乳癌の予測と診断を行うことである。
論文 参考訳(メタデータ) (2024-03-14T16:35:43Z) - 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) - High-resolution synthesis of high-density breast mammograms: Application
to improved fairness in deep learning based mass detection [48.88813637974911]
深層学習に基づくコンピュータ支援検出システムは乳癌検出において優れた性能を示した。
高密度の乳房は、高密度の組織がマスを覆ったりシミュレートしたりできるため、検出性能が劣っている。
本研究は,高密度乳房における高密度フルフィールドデジタルマンモグラムを用いた質量検出性能の向上を目的とする。
論文 参考訳(メタデータ) (2022-09-20T15:57:12Z) - A Combined PCA-MLP Network for Early Breast Cancer Detection [0.0]
我々は、患者が乳がんに直面するかどうかを検出するために、異なる機械学習アルゴリズムを研究した。
われわれの4層PCAネットワークは、BCCDデータセットの平均90.48%で100%の精度を得た。
論文 参考訳(メタデータ) (2022-06-18T06:17:40Z) - A deep learning algorithm for reducing false positives in screening
mammography [1.914044679141325]
この研究は、乳がんに不審でないマンモグラムを特定することによって、偽陽性を減らすAIアルゴリズムを実証する。
われわれは123,248個の2Dデジタルマンモグラム(6,161個の癌)を用いて癌の有無を判定するアルゴリズムを訓練し,14,831個の検診(1,026個のがん)を行った。
論文 参考訳(メタデータ) (2022-04-13T23:37:40Z) - Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。
本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文 参考訳(メタデータ) (2022-02-17T08:33:52Z) - 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) - 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) - Discriminative Localized Sparse Representations for Breast Cancer
Screening [0.0]
乳がんの早期発見と診断は、その死亡率を低下させ、生活の質を向上させる可能性がある。
CAD(Computer-Aided Detection)とCAD(Computer-Aided diagnosis)技術は,人間の読影の負担を軽減することを約束している。
スパース解析技術は、画像パターンを表現および認識するための関連する結果を生み出している。
論文 参考訳(メタデータ) (2020-11-20T04:15:17Z)
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。