論文の概要: Histopathologic Cancer Detection
- arxiv url: http://arxiv.org/abs/2311.07711v1
- Date: Mon, 13 Nov 2023 19:51:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-15 16:33:25.477031
- Title: Histopathologic Cancer Detection
- Title(参考訳): 病理組織学的癌検出
- Authors: Varan Singh Rohila, Neeraj Lalwani, Lochan Basyal
- Abstract要約: この作業では、PatchCamelyonベンチマークデータセットを使用して、モデルをマルチレイヤのパーセプトロンと畳み込みモデルでトレーニングし、精度の高いリコール、F1スコア、精度、AUCスコアでモデルのパフォーマンスを観察する。
また,データ拡張を伴うResNet50とInceptionNetモデルを導入し,ResNet50が最先端モデルに勝てることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Early diagnosis of the cancer cells is necessary for making an effective
treatment plan and for the health and safety of a patient. Nowadays, doctors
usually use a histological grade that pathologists determine by performing a
semi-quantitative analysis of the histopathological and cytological features of
hematoxylin-eosin (HE) stained histopathological images. This research
contributes a potential classification model for cancer prognosis to
efficiently utilize the valuable information underlying the HE-stained
histopathological images. This work uses the PatchCamelyon benchmark datasets
and trains them in a multi-layer perceptron and convolution model to observe
the model's performance in terms of precision, Recall, F1 Score, Accuracy, and
AUC Score. The evaluation result shows that the baseline convolution model
outperforms the baseline MLP model. Also, this paper introduced ResNet50 and
InceptionNet models with data augmentation, where ResNet50 is able to beat the
state-of-the-art model. Furthermore, the majority vote and concatenation
ensemble were evaluated and provided the future direction of using transfer
learning and segmentation to understand the specific features.
- Abstract(参考訳): がん細胞の早期診断は、効果的な治療計画の作成と患者の健康と安全性のために必要である。
現在では、病理学者がヘマトキシリン・エオシン(HE)染色組織像の組織学的特徴と細胞学的特徴を半定量的に分析することによって決定する組織学的基準を用いていることが多い。
本研究は, HE-stained histopathological imageの基盤となる貴重な情報を効率的に活用するために, 癌予後の潜在的分類モデルに寄与する。
この研究はpatchcamelyonベンチマークデータセットを使用して、多層パーセプトロンと畳み込みモデルでそれらをトレーニングし、精度、リコール、f1スコア、精度、aucスコアの観点からモデルのパフォーマンスを観察する。
その結果,ベースライン畳み込みモデルはベースラインMLPモデルよりも優れていた。
また,データ拡張を伴うResNet50とInceptionNetモデルを導入し,ResNet50が最先端モデルに勝てることを示す。
さらに, 多数決, コンカニネーション・アンサンブルの評価を行い, 伝達学習とセグメンテーションによる特徴理解の今後の方向性について検討した。
関連論文リスト
- Comparative Analysis of Transfer Learning Models for Breast Cancer Classification [10.677937909900486]
本研究は, 病理組織学的スライドにおいて, 浸潤性直腸癌 (IDC) と非IDCを区別する深層学習モデルの効率について検討した。
ResNet-50, DenseNet-121, ResNeXt-50, Vision Transformer (ViT), GoogLeNet (Inception v3), EfficientNet, MobileNet, SqueezeNet。
論文 参考訳(メタデータ) (2024-08-29T18:49:32Z) - Transformer-Based Self-Supervised Learning for Histopathological Classification of Ischemic Stroke Clot Origin [0.0]
虚血性脳卒中における血栓塞栓源の同定は治療と二次予防に不可欠である。
本研究は,虚血性脳梗塞の発生源を分類するためのエンボリのデジタル病理学における自己教師型深層学習アプローチについて述べる。
論文 参考訳(メタデータ) (2024-05-01T23:40:12Z) - Cell Maps Representation For Lung Adenocarcinoma Growth Patterns Classification In Whole Slide Images [0.5906576076342179]
肺腺癌は, 形態学的に異質な疾患であり, 5つの原発組織学的成長パターンを特徴とする。
組織タイルを5つのパターンの1つまたは非腫瘍の1つに分類できる新しい機械学習パイプラインを提案する。
論文 参考訳(メタデータ) (2023-11-27T14:12:51Z) - Classification of lung cancer subtypes on CT images with synthetic
pathological priors [41.75054301525535]
同症例のCT像と病理像との間には,画像パターンに大規模な関連性が存在する。
肺がんサブタイプをCT画像上で正確に分類するための自己生成型ハイブリッド機能ネットワーク(SGHF-Net)を提案する。
論文 参考訳(メタデータ) (2023-08-09T02:04:05Z) - CoNIC Challenge: Pushing the Frontiers of Nuclear Detection,
Segmentation, Classification and Counting [46.45578907156356]
我々は、核分裂と細胞組成を評価するために、その種の最大の利用可能なデータセットを用いて、コミュニティ全体の課題をセットアップする。
大腸組織1,658枚の全スライディング画像を用いて,トップパフォーマンスモデルに基づく広範囲な組織解析を行った。
腫瘍微小環境において,核および好酸球が重要な役割を担っていることが示唆された。
論文 参考訳(メタデータ) (2023-03-11T01:21:13Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳(メタデータ) (2022-02-22T15:24:06Z) - 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) - Medulloblastoma Tumor Classification using Deep Transfer Learning with
Multi-Scale EfficientNets [63.62764375279861]
本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。
161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
論文 参考訳(メタデータ) (2021-09-10T13:07:11Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳(メタデータ) (2021-06-25T20:09:23Z) - 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)
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。