論文の概要: Leveraging Latents for Efficient Thermography Classification and Segmentation
- arxiv url: http://arxiv.org/abs/2404.06589v2
- Date: Sun, 23 Jun 2024 14:54:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-26 01:12:30.521536
- Title: Leveraging Latents for Efficient Thermography Classification and Segmentation
- Title（参考訳）: 効率的なサーモグラフィー分類とセグメンテーションのための潜水剤の有効利用
- Authors: Tamir Shor, Chaim Baskin, Alex Bronstein,
- Abstract要約: 乳癌の分類とセグメンテーションのための新しいアルゴリズムを提案する。
このアルゴリズムは,手動の機能とアーキテクチャ工学に重点を置くのではなく,情報的,学習的な機能空間の活用に重点を置いている。
分類はSOTAの結果を生成するが,本論文で研究したセグメンテーション領域の創出は今回が初めてである。
- 参考スコア（独自算出の注目度）: 2.7719338074999547
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Breast cancer is a prominent health concern worldwide, currently being the secondmost common and second-deadliest type of cancer in women. While current breast cancer diagnosis mainly relies on mammography imaging, in recent years the use of thermography for breast cancer imaging has been garnering growing popularity. Thermographic imaging relies on infrared cameras to capture body-emitted heat distributions. While these heat signatures have proven useful for computer-vision systems for accurate breast cancer segmentation and classification, prior work often relies on handcrafted feature engineering or complex architectures, potentially limiting the comparability and applicability of these methods. In this work, we present a novel algorithm for both breast cancer classification and segmentation. Rather than focusing efforts on manual feature and architecture engineering, our algorithm focuses on leveraging an informative, learned feature space, thus making our solution simpler to use and extend to other frameworks and downstream tasks, as well as more applicable to data-scarce settings. Our classification produces SOTA results, while we are the first work to produce segmentation regions studied in this paper.
- Abstract（参考訳）: 乳がんは世界中で顕著な健康上の問題であり、現在、女性の中では2番目に一般的で、2番目に遅れやすい種類のがんである。
現在の乳癌の診断は主にマンモグラフィーに頼っているが、近年は乳がん画像へのサーモグラフィーの使用が人気が高まっている。
サーモグラフィー画像は、体から放出された熱の分布を捉えるために赤外線カメラに依存している。
これらの熱シグネチャは、正確な乳癌の分類と分類のためのコンピュータビジョンシステムに有用であることが証明されているが、以前の研究は手作りの特徴工学や複雑なアーキテクチャに依存しており、これらの手法の互換性と適用性を制限する可能性がある。
本研究では,乳癌の分類とセグメンテーションのための新しいアルゴリズムを提案する。
手動の機能とアーキテクチャ工学に重点を置くのではなく、私たちのアルゴリズムは、情報に富んだ学習済みの機能空間を活用することに集中し、ソリューションを他のフレームワークや下流タスクに使いやすく拡張し、データスカース設定にもより適用できるようにします。
分類はSOTAの結果を生成するが,本論文で研究したセグメンテーション領域の創出は今回が初めてである。
関連論文リスト
- Are nuclear masks all you need for improved out-of-domain generalisation? A closer look at cancer classification in histopathology [49.518701946822446]
我々は,核形態学と組織に着目して,癌検出のためのOODの一般化を改善するための簡単なアプローチを提案する。
本手法では,核分割マスクを原画像と統合し,核の優先順位付けを奨励する。
複数のデータセットを用いて,OODの一般化が向上し,画像の破損や敵攻撃に対するロバスト性も向上することを示す。
論文 参考訳（メタデータ） (2024-11-14T11:27:15Z) - Breast Cancer Segmentation using Attention-based Convolutional Network
and Explainable AI [0.0]
乳がん(BC)は依然として重大な健康上の脅威であり、現在長期治療は行われていない。
早期発見は重要であるが、マンモグラフィーの解釈は高い偽陽性と陰性によって妨げられる。
この研究は、セグメンテーションのための注意に基づく畳み込みニューラルネットワークを示し、BCの検出と分類のスピードと精度を高める。
論文 参考訳（メタデータ） (2023-05-22T20:49:20Z) - High-resolution synthesis of high-density breast mammograms: Application
to improved fairness in deep learning based mass detection [48.88813637974911]
深層学習に基づくコンピュータ支援検出システムは乳癌検出において優れた性能を示した。
高密度の乳房は、高密度の組織がマスを覆ったりシミュレートしたりできるため、検出性能が劣っている。
本研究は,高密度乳房における高密度フルフィールドデジタルマンモグラムを用いた質量検出性能の向上を目的とする。
論文 参考訳（メタデータ） (2022-09-20T15:57:12Z) - Breast Cancer Classification using Deep Learned Features Boosted with
Handcrafted Features [0.0]
早期発見・分類・診断の枠組みを考えることは,研究コミュニティにとって最も重要である。
本稿では,マンモグラフィーを用いた乳癌の分類のための新しい枠組みを提案する。
提案するフレームワークは,新しい畳み込みニューラルネットワーク(CNN)機能から抽出したロバストな特徴と手作りの機能を組み合わせたものである。
論文 参考訳（メタデータ） (2022-06-26T07:54:09Z) - Mammograms Classification: A Review [0.0]
マンモグラム画像はコンピュータ支援診断システムの開発に利用されてきた。
研究者たちは、人工知能が病気の早期発見に利用できることを証明した。
論文 参考訳（メタデータ） (2022-03-04T19:22:35Z) - 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) - Deep Integrated Pipeline of Segmentation Leading to Classification for
Automated Detection of Breast Cancer from Breast Ultrasound Images [0.0]
提案フレームワークは,超音波画像の前処理をSLIC(Simple Linear Iterative Clustering)と統合し,乳房超音波画像の複雑なアーティファクトに対処する。
提案した自動パイプラインは、乳がんをより正確かつタイムリーに診断する医療従事者を支援するために効果的に実装することができる。
論文 参考訳（メタデータ） (2021-10-26T20:42:39Z) - Global Guidance Network for Breast Lesion Segmentation in Ultrasound
Images [84.03487786163781]
我々は,大域的誘導ブロック(GGB)と乳房病変境界検出モジュールを備えた深部畳み込みニューラルネットワークを開発した。
当社のネットワークは、乳房超音波病変分割における他の医療画像分割方法および最近のセマンティックセグメンテーション方法よりも優れています。
論文 参考訳（メタデータ） (2021-04-05T13:15:22Z) - DenseNet for Breast Tumor Classification in Mammographic Images [0.0]
本研究の目的は,マンモグラフィ画像における乳腺病変の自動検出,分画,分類のための深層畳み込みニューラルネットワーク手法を構築することである。
ディープラーニングに基づいて,選択と抽出を特徴とするmask-cnn(roialign)法を開発し,drknet architectureを用いて分類を行った。
論文 参考訳（メタデータ） (2021-01-24T03:30:59Z) - Gleason Grading of Histology Prostate Images through Semantic
Segmentation via Residual U-Net [60.145440290349796]
前立腺癌の最終診断は、病理学者による前立腺生検におけるGleasonパターンの視覚的検出に基づいている。
コンピュータ支援診断システムは、組織内のがんのパターンを分類し分類することができる。
この研究の方法論的核心は、がん組織を分節できる残留ブロックで修正された画像分割のためのU-Net畳み込みニューラルネットワークである。
論文 参考訳（メタデータ） (2020-05-22T19:49:10Z) - 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。