論文の概要: Deep Learning Techniques for Cervical Cancer Diagnosis based on Pathology and Colposcopy Images

• arxiv url: http://arxiv.org/abs/2310.16662v1
• Date: Wed, 25 Oct 2023 14:23:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-26 14:22:01.235618
• Title: Deep Learning Techniques for Cervical Cancer Diagnosis based on Pathology and Colposcopy Images
• Title（参考訳）: 病理と大腸内視鏡画像を用いた子宮頸癌診断のための深部学習技術
• Authors: Hana Ahmadzadeh Sarhangi, Dorsa Beigifard, Elahe Farmani, Hamidreza Bolhasani
• Abstract要約: 頸部がんは毎年何百万人もの女性に感染する病気である。 コンピュータビジョンにおける有望な技術であるディープラーニングは、頸部がん検診の精度と効率を改善するための潜在的なソリューションとして登場した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Cervical cancer is a prevalent disease affecting millions of women worldwide every year. It requires significant attention, as early detection during the precancerous stage provides an opportunity for a cure. The screening and diagnosis of cervical cancer rely on cytology and colposcopy methods. Deep learning, a promising technology in computer vision, has emerged as a potential solution to improve the accuracy and efficiency of cervical cancer screening compared to traditional clinical inspection methods that are prone to human error. This review article discusses cervical cancer and its screening processes, followed by the Deep Learning training process and the classification, segmentation, and detection tasks for cervical cancer diagnosis. Additionally, we explored the most common public datasets used in both cytology and colposcopy and highlighted the popular and most utilized architectures that researchers have applied to both cytology and colposcopy. We reviewed 24 selected practical papers in this study and summarized them. This article highlights the remarkable efficiency in enhancing the precision and speed of cervical cancer analysis by Deep Learning, bringing us closer to early diagnosis and saving lives.
• Abstract（参考訳）: 頸部がんは毎年何百万人もの女性に感染する病気である。 早産期の早期発見は治療の機会を提供するため、かなりの注意が必要である。 子宮頸癌のスクリーニングと診断は細胞診および大腸内視鏡法に依存している。 コンピュータビジョンにおける有望な技術であるDeep Learningは、従来の臨床検査法に比べて、頸がん検診の精度と効率を改善するための潜在的なソリューションとして登場した。 本稿では, 子宮頸癌とそのスクリーニングプロセスについて論じるとともに, 深層学習訓練プロセスと頸部癌診断のための分類, 分節化, 検出タスクについて述べる。 さらに、細胞診と大腸内視鏡の両方で使用される最も一般的な公開データセットを探索し、研究者が細胞診と大腸内視鏡の両方に応用した人気かつ最も利用されているアーキテクチャを強調した。 本研究は,24種類の実践論文を概説し,要約した。 本稿では,Deep Learningによる頚部癌解析の精度と速度の向上に際し,早期診断に近づき,生命を救えることを示す。

関連論文リスト

• Cervical Cancer Detection Using Multi-Branch Deep Learning Model [0.6249768559720121]
  本研究では,MHSA (Multi-Head Self-Attention) と畳み込みニューラルネットワーク (CNN) を用いた頚部癌の画像分類の自動化手法を提案する。 我々のモデルは98.522%の顕著な精度を達成し、他の医療画像認識タスクに適用可能であることを約束している。
  論文  参考訳（メタデータ） (2024-08-20T02:44:48Z)
• Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
  本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。 本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
  論文  参考訳（メタデータ） (2024-05-23T07:03:38Z)
• 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)
• Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
  カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。 拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。 本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
  論文  参考訳（メタデータ） (2023-11-30T15:11:03Z)
• A comprehensive review of deep learning in lung cancer [0.0]
  本稿では,がん診断のプロセスや臨床医が採用する標準分類法など,がん診断領域の基礎について論じる。 がん診断の現在の方法は、新しいよりインテリジェントなアプローチを要求され、効果がないとみなされている。
  論文  参考訳（メタデータ） (2023-07-31T16:28:42Z)
• Machine-Learning-based Colorectal Tissue Classification via Acoustic Resolution Photoacoustic Microscopy [3.916910844026426]
  大腸内視鏡では、がんによって影響を受ける組織の内部に詳細な情報を提供できないが、生検では組織を除去し、痛みと侵襲性がある。 音響分解能光音響顕微鏡(ARPAM)を用いた大腸組織分類のための機械学習手法について検討した。 提案手法の有効性を評価するため, 定量的および定性的に解析を行った。
  論文  参考訳（メタデータ） (2023-07-17T15:15:26Z)
• 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)
• 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)
• A Pathologist-Informed Workflow for Classification of Prostate Glands in Histopathology [62.997667081978825]
  病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。 がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。 本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
  論文  参考訳（メタデータ） (2022-09-27T14:08:19Z)
• Recent trends and analysis of Generative Adversarial Networks in Cervical Cancer Imaging [0.0]
  子宮頸癌は女性の全がんの6-29%を占める。 この疾患の早期発見は、患者の治療と生存率の向上に役立つ。 Generative Adversarial Networks (GANs) は、子宮頸癌のスクリーニング、検出、分類において速度に追いついている。
  論文  参考訳（メタデータ） (2022-09-23T05:45:40Z)
• Breast Cancer Detection using Histopathological Images [0.0]
  本稿では,先進的な深層学習技術の助けを借りて,塩分濃度検出システムを提案する。 CNN(VGG16, ResNet Architecture)による乳癌の5つの診断カテゴリーの同定について検討した。 この検出システムは、病理学者や医療機関が利用できるオープンソースのWebアプリケーションとして利用できる。
  論文  参考訳（メタデータ） (2022-02-12T17:45:43Z)

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。