Fugu-MT 論文翻訳(概要): BCDNet: A Convolutional Neural Network For Breast Cancer Detection

論文の概要: BCDNet: A Convolutional Neural Network For Breast Cancer Detection

arxiv url: http://arxiv.org/abs/2408.13800v2
Date: Tue, 27 Aug 2024 02:30:47 GMT
ステータス: 処理完了
システム内更新日: 2024-08-28 12:43:01.948598
Title: BCDNet: A Convolutional Neural Network For Breast Cancer Detection
Title（参考訳）: BCDNet:乳がん検出のための畳み込みニューラルネットワーク
Authors: Yujia Lin, Aiwei Lian, Mingyu Liao, Yipeng Liu,
Abstract要約: 浸潤性十二指腸癌 (IDC) は乳癌の亜型として最も多い。現代のコンピュータ支援診断(CAD)システムは、強力な計算資源を使わずにほとんどのケースに対処できる。我々は、89.5%の精度で画像中のIDCを効果的に検出し、トレーニング時間を効果的に短縮する、hisNetと呼ばれる新しいCNNモデルを提案する。
参考スコア（独自算出の注目度）: 9.483966973297468
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Previous research has established that breast cancer is a prevalent cancer type, with Invasive Ductal Carcinoma (IDC) being the most common subtype. The incidence of this dangerous cancer continues to rise, making accurate and rapid diagnosis, particularly in the early stages, critically important. While modern Computer-Aided Diagnosis (CAD) systems can address most cases, medical professionals still face challenges in using them in the field without powerful computing resources. In this paper, we propose a novel CNN model called BCDNet, which effectively detects IDC in histopathological images with an accuracy of up to 89.5% and reduces training time effectively.
Abstract（参考訳）: 乳がんは浸潤性直腸癌 (Invasive Ductal Carcinoma:IDC) が最も多い亜型である。この危険ながんの発生は増加し続けており、特に早期に正確かつ迅速な診断が重要となる。現代のコンピュータ支援診断(CAD)システムは、ほとんどのケースに対処できるが、医療専門家は、強力なコンピューティングリソースを使わずに、現場でそれを使用する際の課題に直面している。本稿では,BCDNetと呼ばれる新しいCNNモデルを提案する。このモデルは,89.5%の精度で組織像中のIDCを効果的に検出し,トレーニング時間を効果的に短縮する。

関連論文リスト

Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文参考訳（メタデータ） (2022-05-08T15:29:54Z)
Gastrointestinal Polyps and Tumors Detection Based on Multi-scale Feature-fusion with WCE Sequences [0.0]
本稿では,小腸ポリープと腫瘍を自動的に検出するtextbfTwo-stage textbfMulti-scale textbfFeature-fusion Learning Network(textbfTMFNet)を提案する。実験では22,335個のWCE画像を用いて,123,092個の病変領域を用いて検出の枠組みを訓練した。
論文参考訳（メタデータ） (2022-04-03T07:24:50Z)
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)
Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文参考訳（メタデータ） (2021-05-20T18:13:58Z)
Boosted EfficientNet: Detection of Lymph Node Metastases in Breast Cancer Using Convolutional Neural Network [6.444922476853511]
The Convolutional Neutral Network (CNN) は乳癌のリンパ節転移の予測と分類に応用されている。そこで本研究では,小さな解像度画像を容易にするためのRandom Center Cropping (RCC) という新しいデータ拡張手法を提案する。
論文参考訳（メタデータ） (2020-10-10T15:18:56Z)
Comparative performance analysis of the ResNet backbones of Mask RCNN to segment the signs of COVID-19 in chest CT scans [1.2461503242570642]
本稿では,Deep Neural Networks を用いた肺の軸方向CTスキャンによるヒト肺に対するCOVID-19の影響を同定し,モニタリングすることを目的とする。われわれは、ResNet50とResNet101をバックボーンとしてMask RCNNを採用し、新型コロナウイルスの影響を受け、各地域を区分した。症状が現れるヒト肺の領域を用いて、モデルは患者の状態を「中」または「異常」に分類する。
論文参考訳（メタデータ） (2020-08-21T23:42:08Z)
Residual Attention U-Net for Automated Multi-Class Segmentation of COVID-19 Chest CT Images [46.844349956057776]
新型コロナウイルス感染症(COVID-19)は世界中で急速に広がり、公衆衛生や経済に大きな影響を及ぼしている。新型コロナウイルスによる肺感染症を効果的に定量化する研究はいまだにない。複数の新型コロナウイルス感染症領域の自動セグメンテーションのための新しいディープラーニングアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-04-12T16:24:59Z)
Bimodal Distribution Removal and Genetic Algorithm in Neural Network for Breast Cancer Diagnosis [0.0]
本稿では,BDR (Bimodal Distribution removal) の目的癌診断分類問題に対する効果について検討する。 BDRプロセスは実際には分類性能に悪影響を及ぼす。本稿では,遺伝的アルゴリズムを特徴選択のための効率的なツールとして検討する。
論文参考訳（メタデータ） (2020-02-20T13:51:40Z)
An interpretable classifier for high-resolution breast cancer screening images utilizing weakly supervised localization [45.00998416720726]
医用画像の特徴に対処する枠組みを提案する。このモデルはまず、画像全体の低容量だがメモリ効率のよいネットワークを使用して、最も情報性の高い領域を識別する。次に、選択したリージョンから詳細を収集するために、別の高容量ネットワークを適用します。最後に、グローバルおよびローカル情報を集約して最終的な予測を行うフュージョンモジュールを使用する。
論文参考訳（メタデータ） (2020-02-13T15:28:42Z)

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。