論文の概要: CEIMVEN: An Approach of Cutting Edge Implementation of Modified Versions
of EfficientNet (V1-V2) Architecture for Breast Cancer Detection and
Classification from Ultrasound Images
- arxiv url: http://arxiv.org/abs/2308.13356v1
- Date: Fri, 25 Aug 2023 13:05:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-28 14:03:27.776094
- Title: CEIMVEN: An Approach of Cutting Edge Implementation of Modified Versions
of EfficientNet (V1-V2) Architecture for Breast Cancer Detection and
Classification from Ultrasound Images
- Title（参考訳）: ceimven:乳がん検出と超音波画像からの分類のためのv1-v2アーキテクチャの修正版における最先端実装のアプローチ
- Authors: Sheekar Banerjee and Md. Kamrul Hasan Monir
- Abstract要約: 乳がんは女性の死亡数の最大の原因となっている。
本研究では,EfficientNet の最先端版の改良版に対する厳密な実装と反復的な結果分析に焦点をあてた。
我々のディープラーニングモデルトレーニングアプローチは、関心領域(ROI)技術と複数の分類(良性、悪性、正常)によるがん患領域の同定に関連していた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Undoubtedly breast cancer identifies itself as one of the most widespread and
terrifying cancers across the globe. Millions of women are getting affected
each year from it. Breast cancer remains the major one for being the reason of
largest number of demise of women. In the recent time of research, Medical
Image Computing and Processing has been playing a significant role for
detecting and classifying breast cancers from ultrasound images and mammograms,
along with the celestial touch of deep neural networks. In this research, we
focused mostly on our rigorous implementations and iterative result analysis of
different cutting-edge modified versions of EfficientNet architectures namely
EfficientNet-V1 (b0-b7) and EfficientNet-V2 (b0-b3) with ultrasound image,
named as CEIMVEN. We utilized transfer learning approach here for using the
pre-trained models of EfficientNet versions. We activated the hyper-parameter
tuning procedures, added fully connected layers, discarded the unprecedented
outliers and recorded the accuracy results from our custom modified
EfficientNet architectures. Our deep learning model training approach was
related to both identifying the cancer affected areas with region of interest
(ROI) techniques and multiple classifications (benign, malignant and normal).
The approximate testing accuracies we got from the modified versions of
EfficientNet-V1 (b0- 99.15%, b1- 98.58%, b2- 98.43%, b3- 98.01%, b4- 98.86%,
b5- 97.72%, b6- 97.72%, b7- 98.72%) and EfficientNet-V2 (b0- 99.29%, b1-
99.01%, b2- 98.72%, b3- 99.43%) are showing very bright future and strong
potentials of deep learning approach for the successful detection and
classification of breast cancers from the ultrasound images at a very early
stage.
- Abstract（参考訳）: 乳がんは世界中で最も広く、恐ろしいがんの1つだと考えられている。
毎年何百万という女性が影響を受けています。
乳がんは女性の死亡数の最大の原因となっている。
近年, 超音波画像やマンモグラフィーから乳がんを検出・分類し, 深部神経ネットワークの天体的触覚を解析する上で, 医用画像処理とプロセッシングが重要な役割を担っている。
本研究では,ceimven という超音波画像を用いた efficientnet-v1 (b0-b7) と efficientnet-v2 (b0-b3) の異なる切削エッジ修正版について,厳密な実装と反復的な結果分析を行った。
我々は、EfficientNetバージョンの事前学習モデルを使用するために、転送学習アプローチを利用した。
我々は、ハイパーパラメータチューニング手順を起動し、完全に接続されたレイヤーを追加し、前例のない異常値を破棄し、カスタマイズされたEfficientNetアーキテクチャの精度を記録した。
我々のディープラーニングモデルトレーニングアプローチは、関心領域(ROI)技術と複数の分類(良性、悪性、正常)によるがん患部位の同定に関連していた。
修正版のEfficientNet-V1(b0-99.15%、b1-98.58%、b2-98.43%、b3-98.01%、b4-98.86%、b5-97.72%、b6-97.72%、b7-98.72%)とEfficientNet-V2(b0-99.29%、b199.01%、b2-98.72%、b3-99.43%)から得られた近似的なテスト精度は、超音波画像から乳がんの検出と分類を成功させるための、非常に明るい未来と強力な学習アプローチを示している。
関連論文リスト
- Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。
本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文 参考訳（メタデータ） (2024-09-29T07:04:26Z) - Enhancing Clinically Significant Prostate Cancer Prediction in T2-weighted Images through Transfer Learning from Breast Cancer [71.91773485443125]
転送学習は、よりリッチなデータを持つドメインから取得した機能を活用して、限られたデータを持つドメインのパフォーマンスを向上させるテクニックである。
本稿では,T2強調画像における乳癌からの転移学習による臨床的に有意な前立腺癌予知の改善について検討する。
論文 参考訳（メタデータ） (2024-05-13T15:57:27Z) - 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) - Improved Breast Cancer Diagnosis through Transfer Learning on
Hematoxylin and Eosin Stained Histology Images [3.7498611358320733]
本研究では,最新のBRACS染色画像を用いて乳癌腫瘍の分類を行った。
我々は、Xception、EfficientNet、ResNet50、InceptionResNetといった、ImageNet重みに基づいて事前訓練された様々なディープラーニングモデルを用いて実験を行った。
論文 参考訳（メタデータ） (2023-09-15T20:16:17Z) - Classification of Breast Tumours Based on Histopathology Images Using
Deep Features and Ensemble of Gradient Boosting Methods [0.0]
提案するCADシステムの特徴抽出器の主案として,Deep Feature Transfer Learningが用いられている。
Inception-ResNet-v2は乳癌の病理組織像において最も優れた特徴抽出能を示した。
分類段階では,CatBoost,XGBoost,LightGBMのアンサンブルが最も平均精度が高い。
論文 参考訳（メタデータ） (2022-09-03T09:27:00Z) - 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) - Convolutional neural network based on transfer learning for breast
cancer screening [0.0]
本稿では, 超音波画像から乳がんを正確に同定するために, 深部畳み込みニューラルネットワークに基づくアルゴリズムを提案する。
537 Benign, 360 malignant, 133 normal image の胸部超音波データセットを用いていくつかの実験を行った。
k-foldクロスバリデーションとバッグアンサンブルを用いて、99.5%の精度と99.6%の感度を実現した。
論文 参考訳（メタデータ） (2021-12-22T02:27:12Z) - BCNet: A Deep Convolutional Neural Network for Breast Cancer Grading [0.0]
近年、深層学習は科学の様々な分野、特に医学で広く採用されている。
乳がん検出問題では、異なるデータセット上で様々なディープラーニング技術が開発され、精度が向上した。
論文 参考訳（メタデータ） (2021-07-11T12:55:33Z) - 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) - Classification of COVID-19 in CT Scans using Multi-Source Transfer
Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。
マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。
我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文 参考訳（メタデータ） (2020-09-22T11:53:06Z) - Diagnosis of Breast Cancer Based on Modern Mammography using Hybrid
Transfer Learning [5.835732870341059]
本稿では,乳癌検出のための転写学習プロセスに焦点を当てた。
本稿では,改良VGG 16,残差ネットワーク,移動ネットワークを提案し,実装した。
論文 参考訳（メタデータ） (2020-03-23T05:16:34Z)
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。