論文の概要: Centroid-aware feature recalibration for cancer grading in pathology images

• arxiv url: http://arxiv.org/abs/2307.13947v1
• Date: Wed, 26 Jul 2023 04:01:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-27 13:38:52.337785
• Title: Centroid-aware feature recalibration for cancer grading in pathology images
• Title（参考訳）: 病理画像におけるCentroid-aware feature recalibration
• Authors: Jaeung Lee, Keunho Byeon, and Jin Tae Kwak
• Abstract要約: 本稿では,癌診断を高精度かつロバストに行うセンチロイド対応機能再校正ネットワークを提案する。 提案するネットワークは, 入力病理画像を埋め込み空間にマッピングし, 異なるがんグレードのベクターを組み込んで調整する。 異なる環境下で収集された大腸癌データセットを用いて,提案したネットワークの評価を行った。
• 参考スコア（独自算出の注目度）: 1.3416507206206674
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cancer grading is an essential task in pathology. The recent developments of artificial neural networks in computational pathology have shown that these methods hold great potential for improving the accuracy and quality of cancer diagnosis. However, the issues with the robustness and reliability of such methods have not been fully resolved yet. Herein, we propose a centroid-aware feature recalibration network that can conduct cancer grading in an accurate and robust manner. The proposed network maps an input pathology image into an embedding space and adjusts it by using centroids embedding vectors of different cancer grades via attention mechanism. Equipped with the recalibrated embedding vector, the proposed network classifiers the input pathology image into a pertinent class label, i.e., cancer grade. We evaluate the proposed network using colorectal cancer datasets that were collected under different environments. The experimental results confirm that the proposed network is able to conduct cancer grading in pathology images with high accuracy regardless of the environmental changes in the datasets.
• Abstract（参考訳）: がんの診断は病理学において重要な課題である。 計算病理学におけるニューラルネットワークの最近の進歩は、これらの手法ががん診断の精度と品質を改善する大きな可能性を持っていることを示している。 しかし,そのような手法の堅牢性と信頼性に関する問題は,まだ完全には解決されていない。 本稿では,癌診断を高精度かつロバストに行うことができるセントロイド対応機能再構成ネットワークを提案する。 提案するネットワークは, 入力病理画像を埋め込み空間にマッピングし, 注意機構を用いて, 異なるがんグレードのベクターを組み込んで調整する。 再校正された埋め込みベクターにより、提案ネットワークは入力病理画像を関連するクラスラベル、すなわちがんのグレードに分類する。 異なる環境下で収集した大腸癌データセットを用いて,提案ネットワークを評価した。 実験の結果, 提案ネットワークは, データセットの環境変化にかかわらず, 病理画像において高い精度でガングレーディングを行うことができることを確認した。

関連論文リスト

• Expanding the Medical Decathlon dataset: segmentation of colon and colorectal cancer from computed tomography images [0.0]
  大腸癌は西半球で3番目に多いがんである。 CTによる大腸癌と大腸癌の分節化は,医学における緊急の課題である。 本稿では,分類アルゴリズムの品質向上のために,大腸癌マークアップを用いたメディカルデスロンデータセットの拡張を提案する。
  論文  参考訳（メタデータ） (2024-07-31T10:36:41Z)
• Diagnosis of Skin Cancer Using VGG16 and VGG19 Based Transfer Learning Models [0.6827423171182154]
  ディープ畳み込みニューラルネットワーク(CNN)は、データと画像の分類に優れた可能性を示している。 本稿では,CNNを用いた皮膚病変分類問題について検討する。 本研究では, 転写学習の枠組みを適切に設計し, 適用することにより, 病変検出の顕著な分類精度を得ることができることを示す。
  論文  参考訳（メタデータ） (2024-04-01T15:06:20Z)
• Breast Cancer Segmentation using Attention-based Convolutional Network and Explainable AI [0.0]
  乳がん(BC)は依然として重大な健康上の脅威であり、現在長期治療は行われていない。 早期発見は重要であるが、マンモグラフィーの解釈は高い偽陽性と陰性によって妨げられる。 この研究は、セグメンテーションのための注意に基づく畳み込みニューラルネットワークを示し、BCの検出と分類のスピードと精度を高める。
  論文  参考訳（メタデータ） (2023-05-22T20:49:20Z)
• Improving the diagnosis of breast cancer based on biophysical ultrasound features utilizing machine learning [0.0]
  乳がん検出のための生物物理学的特徴に基づく機械学習手法を提案する。 以上より, 乳腺病変のタイプとサイズは, 分類では98.0%, 操作特性曲線では0.98以上であった。
  論文  参考訳（メタデータ） (2022-07-13T23:53:09Z)
• 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)
• 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)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• DenseNet approach to segmentation and classification of dermatoscopic skin lesions images [0.0]
  本稿では,2つのアーキテクチャを用いた皮膚病変の分類と分類の改善手法を提案する。 U-NetとDenseNet121の組み合わせは、皮膚内視鏡画像解析において許容できる結果を提供する。 DenseNet121ネットワークでは、それぞれ79.49%と93.11%の精度で癌と非癌サンプルが検出された。
  論文  参考訳（メタデータ） (2021-10-09T19:12:23Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• 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)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)

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。