論文の概要: Liver Tumor Prediction with Advanced Attention Mechanisms Integrated
into a Depth-Based Variant Search Algorithm
- arxiv url: http://arxiv.org/abs/2311.11520v1
- Date: Mon, 20 Nov 2023 03:51:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-21 20:09:01.821642
- Title: Liver Tumor Prediction with Advanced Attention Mechanisms Integrated
into a Depth-Based Variant Search Algorithm
- Title（参考訳）: Depth-based Variant Searchアルゴリズムに高度注意機構を組み込んだ肝腫瘍の予測
- Authors: P. Kalaiselvi and S. Anusuya
- Abstract要約: 本稿では,畳み込みニューラルネットワーク(CNN)と深度に基づく変種探索アルゴリズムを用いた肝腫瘍の予測手法を提案する。
良性および悪性の肝腫瘍を含むCTスキャンデータセットを用いて,本モデルの評価を行った。
提案システムは、肝腫瘍の予測において95.5%の精度を達成し、他の最先端の方法よりも優れていた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent days, Deep Learning (DL) techniques have become an emerging
transformation in the field of machine learning, artificial intelligence,
computer vision, and so on. Subsequently, researchers and industries have been
highly endorsed in the medical field, predicting and controlling diverse
diseases at specific intervals. Liver tumor prediction is a vital chore in
analyzing and treating liver diseases. This paper proposes a novel approach for
predicting liver tumors using Convolutional Neural Networks (CNN) and a
depth-based variant search algorithm with advanced attention mechanisms
(CNN-DS-AM). The proposed work aims to improve accuracy and robustness in
diagnosing and treating liver diseases. The anticipated model is assessed on a
Computed Tomography (CT) scan dataset containing both benign and malignant
liver tumors. The proposed approach achieved high accuracy in predicting liver
tumors, outperforming other state-of-the-art methods. Additionally, advanced
attention mechanisms were incorporated into the CNN model to enable the
identification and highlighting of regions of the CT scans most relevant to
predicting liver tumors. The results suggest that incorporating attention
mechanisms and a depth-based variant search algorithm into the CNN model is a
promising approach for improving the accuracy and robustness of liver tumor
prediction. It can assist radiologists in their diagnosis and treatment
planning. The proposed system achieved a high accuracy of 95.5% in predicting
liver tumors, outperforming other state-of-the-art methods.
- Abstract（参考訳）: 近年,ディープラーニング(DL)技術は,機械学習や人工知能,コンピュータビジョンといった分野において,新たな転換を遂げている。
その後、研究者や産業は医療分野で高い支持を受け、特定の間隔で多様な病気を予測し、制御してきた。
肝腫瘍の予知は肝疾患の解析と治療に不可欠である。
本稿では,畳み込みニューラルネットワーク (cnn) とadvanced attention mechanism (cnn-ds-am) を用いた肝腫瘍予測法を提案する。
本研究は,肝疾患の診断・治療における精度と堅牢性の向上を目的とする。
予測されたモデルは良性肝腫瘍と悪性肝腫瘍の両方を含むctスキャンデータセットで評価される。
提案手法は肝腫瘍の予測に高い精度をもち,他の最先端法を上回った。
さらに,肝腫瘍の予測に最も関係したCTスキャン領域の同定と強調を可能にするため,CNNモデルに高度な注意機構が組み込まれた。
CNNモデルに注意機構と深度に基づく変種探索アルゴリズムを組み込むことにより,肝腫瘍予測の精度と堅牢性を向上させることが期待できる。
放射線科医の診断と治療計画を支援する。
提案システムは、肝腫瘍の予測において95.5%の精度を達成し、他の最先端の方法よりも優れていた。
関連論文リスト
- Enhancing Brain Tumor Classification Using TrAdaBoost and Multi-Classifier Deep Learning Approaches [0.0]
脳腫瘍は、急速な成長と転移の可能性のために深刻な健康上の脅威となる。
本研究の目的は,脳腫瘍分類の効率と精度を向上させることである。
我々のアプローチは、ViT(Vision Transformer)、Capsule Neural Network(CapsNet)、ResNet-152やVGG16といった畳み込みニューラルネットワーク(CNN)など、最先端のディープラーニングアルゴリズムを組み合わせる。
論文 参考訳（メタデータ） (2024-10-31T07:28:06Z) - A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳（メタデータ） (2024-05-21T06:44:40Z) - Exploiting Liver CT scans in Colorectal Carcinoma genomics mutation
classification [0.0]
本稿では,患者医用画像からの分類手法として,DeepLearningを用いた最初の探索法を提案する。
本手法はCT画像からCRC RAS変異ファミリーを0.73F1スコアで同定できる。
論文 参考訳（メタデータ） (2024-01-25T14:40:58Z) - Detection and Classification of Glioblastoma Brain Tumor [0.0]
UNetとDeeplabv3という2つのディープラーニングモデルを提案しており、グリオ芽腫脳腫瘍の検出とセグメンテーションを行っている。
UNetモデルとDeeplabv3モデルの両方が、グリオ芽腫脳腫瘍の正確な検出と分節化を実現していることを示す実験結果を得た。
論文 参考訳（メタデータ） (2023-04-18T17:09:16Z) - Breast Cancer Induced Bone Osteolysis Prediction Using Temporal
Variational Auto-Encoders [65.95959936242993]
骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。
乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
論文 参考訳（メタデータ） (2022-03-20T21:00:10Z) - 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) - 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) - Computational Intelligence Approach to Improve the Classification
Accuracy of Brain Neoplasm in MRI Data [8.980876474818153]
本報告では、MRIデータにおける脳新生検出の2つの改善について述べる。
MRIデータにおける関心領域を改善するための高度な前処理技術を提案する。
特徴抽出にCNN、分類にSVM(Support Vector Machine)を使用したハイブリッド技術も提案されている。
論文 参考訳（メタデータ） (2021-01-24T06:45:26Z) - Harvesting, Detecting, and Characterizing Liver Lesions from Large-scale
Multi-phase CT Data via Deep Dynamic Texture Learning [24.633802585888812]
ダイナミックコントラストCT(Dynamic contrast Computed Tomography)のための完全自動多段階肝腫瘍評価フレームワークを提案する。
本システムでは, 腫瘍提案検出, 腫瘍採取, 原発部位の選択, 深部テクスチャに基づく腫瘍評価の4段階からなる。
論文 参考訳（メタデータ） (2020-06-28T19:55:34Z) - Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。
提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
論文 参考訳（メタデータ） (2020-02-03T22:25:01Z)
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。