論文の概要: Double Integral Enhanced Zeroing Neural Network Optimized with ALSOA fostered Lung Cancer Classification using CT Images

• arxiv url: http://arxiv.org/abs/2312.03028v1
• Date: Tue, 5 Dec 2023 10:53:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-07 17:28:27.518775
• Title: Double Integral Enhanced Zeroing Neural Network Optimized with ALSOA fostered Lung Cancer Classification using CT Images
• Title（参考訳）: CT画像を用いたALSOA誘導肺癌分類を併用した二重積分零化ニューラルネットワーク
• Authors: V S Priya Sumitha, V.Keerthika, A. Geetha
• Abstract要約: 肺がんは最も致命的な疾患の1つであり、疾患や死亡の原因となっている。 提案手法は既存の手法で解析した18.32%,27.20%,34.32%の精度で得られた。
• 参考スコア（独自算出の注目度）: 1.1510009152620668
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lung cancer is one of the deadliest diseases and the leading cause of illness and death. Since lung cancer cannot predicted at premature stage, it able to only be discovered more broadly once it has spread to other lung parts. The risk grows when radiologists and other specialists determine whether lung cancer is current. Owing to significance of determining type of treatment and its depth based on severity of the illness, critical to develop smart and automatic cancer prediction scheme is precise, at which stage of cancer. In this paper, Double Integral Enhanced Zeroing Neural Network Optimized with ALSOA fostered Lung Cancer Classification using CT Images (LCC-DIEZNN-ALSO-CTI) is proposed. Initially, input CT image is amassed from lung cancer dataset. The input CT image is pre-processing via Unscented Trainable Kalman Filtering (UTKF) technique. In pre-processing stage unwanted noise are removed from CT images. Afterwards, grayscale statistic features and Haralick texture features extracted by Adaptive and Concise Empirical Wavelet Transform (ACEWT). The proposed model is implemented on MATLAB. The performance of the proposed method is analyzed through existing techniques. The proposed method attains 18.32%, 27.20%, and 34.32% higher accuracy analyzed with existing method likes Deep Learning Assisted Predict of Lung Cancer on Computed Tomography Images Utilizing AHHMM (LCC-AHHMM-CT), Convolutional neural networks based pulmonary nodule malignancy assessment in pipeline for classifying lung cancer (LCC-ICNN-CT), Automated Decision Support Scheme for Lung Cancer Identification with Categorization (LCC-RFCN-MLRPN-CT) methods respectively.
• Abstract（参考訳）: 肺がんは最も致命的な疾患の1つであり、疾患や死亡の原因となっている。 肺がんは早期に予測できないため、他の肺に拡がってしまえば、より広範囲にしか発見できない。 放射線技師や他の専門家が肺がんが進行しているかどうかを判断すると、リスクは増大する。 疾患の重症度に基づく治療の種類の決定の重要性と深さから, がんの進行段階において, スマートで自動的ながん予測手法の開発が重要となる。 本稿では,CT画像(LCC-DIEZNN-ALSO-CTI)を用いた肺がん分類を最適化したDouble Integral Enhanced Zeroing Neural Networkを提案する。 当初、肺がんデータセットから入力CT画像が収集される。 入力CT画像は、 Unscented Trainable Kalman Filtering (UTKF) 技術を介して前処理される。 前処理段階では、不要なノイズがCT画像から除去される。 その後、Adaptive and Concise Empirical Wavelet Transform (ACEWT) によって抽出されたグレースケール統計特徴とハリックテクスチャ特徴について検討した。 提案モデルはMATLAB上に実装されている。 提案手法の性能を既存の手法を用いて解析する。 提案手法は,AHHMM(LCC-AHHMM-CT),畳み込みニューラルネットワークを用いた肺結節悪性度評価法(LCC-ICNN-CT),肺がんの分類支援法(LCC-RFCN-MLRPN-CT),肺がんの分類支援法(LCC-RFCN-MLRPN-CT)などを用いて,既存の方法を用いて,18.32%,27.20%,34.32%の精度で解析した。

関連論文リスト

• Optimizing Lung Cancer Detection in CT Imaging: A Wavelet Multi-Layer Perceptron (WMLP) Approach Enhanced by Dragonfly Algorithm (DA) [0.294944680995069]
  本研究では,CTスキャン画像から肺がんを分類するための最先端のディープラーニングフレームワークを提案する。 この研究には、画像前処理戦略、特にCannyエッジ検出とウェーブレット変換が含まれる。 この手法は99.82%の優れた訓練と検査精度を達成し、肺癌の正確な診断の有効性と信頼性を裏付けている。
  論文  参考訳（メタデータ） (2024-08-27T18:27:47Z)
• Optimizing Synthetic Correlated Diffusion Imaging for Breast Cancer Tumour Delineation [71.91773485443125]
  CDI$s$ - 最適化されたモダリティにより最高のAUCが達成され、金標準のモダリティが0.0044より優れていることを示す。 特に、最適化されたCDI$s$モダリティは、最適化されていないCDI$s$値よりも0.02以上のAUC値を達成する。
  論文  参考訳（メタデータ） (2024-05-13T16:07:58Z)
• 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)
• High-risk Factor Prediction in Lung Cancer Using Thin CT Scans: An Attention-Enhanced Graph Convolutional Network Approach [9.795111455349183]
  肺がんは、特に進行期において、世界中で死因となっている。 本研究は,術前CT画像に基づいて,I期肺癌に高リスク因子が存在するか否かを分類するために,Atention-Enhanced Graph Convolutional Network (AE-GCN)モデルを提案する。
  論文  参考訳（メタデータ） (2023-08-27T04:24:04Z)
• 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)
• A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
  Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。 Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
  論文  参考訳（メタデータ） (2023-04-12T05:41:44Z)
• Spatio-Temporal Hybrid Fusion of CAE and SWIn Transformers for Lung Cancer Malignancy Prediction [14.7474816215111]
  本稿では,新しいハイブリッド・ディスカバリ・ラジオミクス・フレームワークを提案する。 非薄い胸部CTスライスから抽出した時間的特徴と空間的特徴を同時に統合する。 肺腺癌(LUAC)の悪性度を最小限に予測する。
  論文  参考訳（メタデータ） (2022-10-27T10:07:00Z)
• Classification of Histopathology Images of Lung Cancer Using Convolutional Neural Network (CNN) [0.2578242050187029]
  がんは人体内の異常な細胞の制御不能な細胞分裂であり、他の臓器に拡がることがある。 非感染性疾患(NCD)の1つであり、NCDは全世界で死者の71%を占めている。 乳癌は女性乳癌に次いで2番目に多いがんである。肺癌の生存率は19%に過ぎない。
  論文  参考訳（メタデータ） (2021-12-27T07:43:58Z)
• 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)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• Classification and Segmentation of Pulmonary Lesions in CT images using a combined VGG-XGBoost method, and an integrated Fuzzy Clustering-Level Set technique [0.0]
  現在の肺疾患の診断は、時間を消費し、この分野の専門家を必要とする人的資源によって行われる。 我々のゴールは、肺病変を高精度に検出・分類し、CTスキャン画像に分類するシステムを開発することである。
  論文  参考訳（メタデータ） (2021-01-04T13:25:13Z)

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。