Fugu-MT 論文翻訳(概要): Unsupversied feature correlation model to predict breast abnormal variation maps in longitudinal mammograms

論文の概要: Unsupversied feature correlation model to predict breast abnormal variation maps in longitudinal mammograms

arxiv url: http://arxiv.org/abs/2312.16772v1
Date: Thu, 28 Dec 2023 01:37:55 GMT
ステータス: 処理完了
システム内更新日: 2023-12-29 18:04:33.680073
Title: Unsupversied feature correlation model to predict breast abnormal variation maps in longitudinal mammograms
Title（参考訳）: 縦マンモグラムにおける乳房異常変動マップの予測のための特徴相関モデル
Authors: Jun Bai, Annie Jin, Madison Adams, Clifford Yang and Sheida Nabavi
Abstract要約: 本研究は,乳腺異常の早期発見と診断の精度の向上に焦点を当てた。縦2次元マンモグラフィーを用いて乳房異常変化を示す地図を生成するために, 新規な教師なし特徴相関ネットワークを開発した。その結果,提案モデルは,精度,感度,特異性,Diceスコア,がん検出率において,ベースラインモデルよりも優れていた。
参考スコア（独自算出の注目度）: 1.6249398255272316
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Breast cancer continues to be a significant cause of mortality among women globally. Timely identification and precise diagnosis of breast abnormalities are critical for enhancing patient prognosis. In this study, we focus on improving the early detection and accurate diagnosis of breast abnormalities, which is crucial for improving patient outcomes and reducing the mortality rate of breast cancer. To address the limitations of traditional screening methods, a novel unsupervised feature correlation network was developed to predict maps indicating breast abnormal variations using longitudinal 2D mammograms. The proposed model utilizes the reconstruction process of current year and prior year mammograms to extract tissue from different areas and analyze the differences between them to identify abnormal variations that may indicate the presence of cancer. The model is equipped with a feature correlation module, an attention suppression gate, and a breast abnormality detection module that work together to improve the accuracy of the prediction. The proposed model not only provides breast abnormal variation maps, but also distinguishes between normal and cancer mammograms, making it more advanced compared to the state-of the-art baseline models. The results of the study show that the proposed model outperforms the baseline models in terms of Accuracy, Sensitivity, Specificity, Dice score, and cancer detection rate.
Abstract（参考訳）: 乳がんは世界中で女性の死亡の大きな原因であり続けている。乳房異常のタイムリーな診断と正確な診断は患者の予後向上に不可欠である。本研究では,乳房異常の早期発見と診断の精度の向上に焦点をあて,乳癌の予後改善と死亡率の低下に不可欠である。従来の検診手法の限界に対処するため,縦2次元マンモグラフィーを用いて乳房異常を示す地図を予測するための,教師なし特徴相関ネットワークを開発した。提案モデルは,現在および前年のマンモグラムの再構成プロセスを利用して,異なる部位から組織を抽出し,その違いを分析し,癌の存在を示す可能性のある異常な変異を同定する。本モデルは、特徴相関モジュールと、注意抑制ゲートと、予測精度を向上させるために協調して動作する乳房異常検出モジュールとを備える。提案モデルは乳房異常変動マップを提供するだけでなく, 正常乳房と癌乳房の乳房x線像との鑑別も行う。その結果,提案モデルは,精度,感度,特異性,Diceスコア,がん検出率において,ベースラインモデルよりも優れていた。

関連論文リスト

Mammographic Breast Positioning Assessment via Deep Learning [0.0]
マンモグラフィーにおける不適切な位置決めは、診断ミス、患者のストレスの増加、リコールによるコストの上昇につながる可能性がある。本稿では,マンモグラム位置決め品質を定量的に評価するための新しいディープラーニング(DL)手法を提案する。本手法は, 乳頭筋, 乳頭筋などの重要な解剖学的特徴を同定し, 自動的に後乳頭線(PNL)を描出する。以上の結果から,注意機構とCoordConvモジュールを組み込んだモデルでは乳房位置決め精度が向上することが示唆された。
論文参考訳（メタデータ） (2024-07-15T15:14:10Z)
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)
Longitudinal Mammogram Risk Prediction [6.28887425442237]
我々は最先端の機械学習モデルを拡張し、任意の数の縦マンモグラフィーを摂取し、将来の乳がんリスクを予測する。以上の結果から,より長い歴史(例年4回のマンモグラム)が将来の乳癌のリスクを予測する精度を著しく向上させる可能性が示唆された。
論文参考訳（メタデータ） (2024-04-29T19:52:09Z)
Intelligent Breast Cancer Diagnosis with Heuristic-assisted Trans-Res-U-Net and Multiscale DenseNet using Mammogram Images [0.0]
乳癌(BC)は、女性のがん関連死亡率に大きく寄与する。悪性の腫瘤を正確に識別することは依然として困難ですマンモグラフィ画像を用いたBCGスクリーニングのための新しい深層学習手法を提案する。
論文参考訳（メタデータ） (2023-10-30T10:22:14Z)
Enhancing Breast Cancer Risk Prediction by Incorporating Prior Images [8.756888862171195]
本稿では,トランスフォーマーデコーダを用いた乳がんリスク予測のための新しい手法PRIME+を提案する。我々は16,113検診のデータセットにアプローチを検証し,従来のマンモグラムから変化パターンを効果的に捉えることを実証した。実験の結果,C-インデックスは0.68から0.73に増加し,最先端モデルよりも統計的に有意な改善が得られた。
論文参考訳（メタデータ） (2023-03-28T03:05:25Z)
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)
Improving Specificity in Mammography Using Cross-correlation between Wavelet and Fourier Transform [0.0]
乳がんの発生率は世界中で高いが、死亡率は継続的に減少している。本稿では、離散ウェーブレット変換とフーリエ変換を適用して画像を解析する手法を検討する。
論文参考訳（メタデータ） (2022-01-20T00:49:33Z)
Open-Set Recognition of Breast Cancer Treatments [91.3247063132127]
オープンセット認識は、テストサンプルをトレーニングや"未知"から既知のクラスの1つに分類することで、分類タスクを一般化する乳がん患者データに対して,画像データセットの最先端結果を実現するガウス混合変分オートエンコーダモデルを適用した。より正確でロバストな分類結果が得られ,F1の平均値が24.5%上昇したばかりでなく,臨床環境への展開性の観点からも,オープンセット認識の再検討を行った。
論文参考訳（メタデータ） (2022-01-09T04:35:55Z)
Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文参考訳（メタデータ） (2021-07-12T09:04:20Z)
Contrastive Attention for Automatic Chest X-ray Report Generation [124.60087367316531]
ほとんどの場合、正常領域が胸部X線像全体を支配し、これらの正常領域の対応する記述が最終報告を支配している。本稿では,現在の入力画像と通常の画像を比較してコントラスト情報を抽出するContrastive Attention(CA)モデルを提案する。 2つの公開データセットで最先端の結果を得る。
論文参考訳（メタデータ） (2021-06-13T11:20:31Z)
Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文参考訳（メタデータ） (2021-02-26T02:29:30Z)

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。