論文の概要: MamT$^4$: Multi-view Attention Networks for Mammography Cancer Classification

• arxiv url: http://arxiv.org/abs/2411.01669v1
• Date: Sun, 03 Nov 2024 19:49:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:46:15.412319
• Title: MamT$^4$: Multi-view Attention Networks for Mammography Cancer Classification
• Title（参考訳）: MamT$^4$:マンモグラフィー分類のためのマルチビュー注意ネットワーク
• Authors: Alisher Ibragimov, Sofya Senotrusova, Arsenii Litvinov, Egor Ushakov, Evgeny Karpulevich, Yury Markin,
• Abstract要約: この研究は、ベトナムのデジタルマンモグラフィーの独立したテストデータセットにおいて、最初のROC-AUCの84.0$pm$1.7とF1の56.0$pm$1.3を達成した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In this study, we introduce a novel method, called MamT$^4$, which is used for simultaneous analysis of four mammography images. A decision is made based on one image of a breast, with attention also devoted to three additional images: another view of the same breast and two images of the other breast. This approach enables the algorithm to closely replicate the practice of a radiologist who reviews the entire set of mammograms for a patient. Furthermore, this paper emphasizes the preprocessing of images, specifically proposing a cropping model (U-Net based on ResNet-34) to help the method remove image artifacts and focus on the breast region. To the best of our knowledge, this study is the first to achieve a ROC-AUC of 84.0 $\pm$ 1.7 and an F1 score of 56.0 $\pm$ 1.3 on an independent test dataset of Vietnam digital mammography (VinDr-Mammo), which is preprocessed with the cropping model.
• Abstract（参考訳）: 本研究では,4つのマンモグラフィ画像の同時解析に用いるMamT$^4$という新しい手法を提案する。 乳房の1つの画像に基づいて決定が下され、乳房のもう1つの画像と乳房の2つの画像に注意が向けられている。 このアプローチにより、このアルゴリズムは、患者のマンモグラフィーの全セットをレビューする放射線科医の実践を忠実に再現することができる。 さらに,画像の事前処理,具体的には収穫モデル(ResNet-34をベースとしたU-Net)を提案する。 我々の知る限り、この研究は、ベトナムのデジタルマンモグラフィー(VinDr-Mammo)の独立試験データセット上で、最初のROC-AUCの84.0$\pm$ 1.7とF1スコアの56.0$\pm$ 1.3を達成した。

関連論文リスト

• 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)
• Breast Ultrasound Report Generation using LangChain [58.07183284468881]
  本稿では,Large Language Models (LLM) を用いたLangChainによる複数の画像解析ツールを胸部報告プロセスに統合することを提案する。 本手法は,超音波画像から関連する特徴を正確に抽出し,臨床的文脈で解釈し,包括的で標準化された報告を生成する。
  論文  参考訳（メタデータ） (2023-12-05T00:28:26Z)
• Cross-modulated Few-shot Image Generation for Colorectal Tissue Classification [58.147396879490124]
  XM-GANと名づけられた少数ショット生成法は,1塩基と1対の参照組織像を入力とし,高品質で多様な画像を生成する。 我々の知る限りでは、大腸組織像の少数ショット生成を最初に調査した人物である。
  論文  参考訳（メタデータ） (2023-04-04T17:50:30Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• Transformers Improve Breast Cancer Diagnosis from Unregistered Multi-View Mammograms [6.084894198369222]
  我々はマルチビュー・ビジョン・トランスフォーマーのアーキテクチャを活用し、同一患者から複数のマンモグラフィーの長距離関係を1回の検査で捉えた。 我々の4画像(2面2面)トランスフォーマーモデルでは、ROC曲線下(AUC = 0.818)でのケース分類が可能である。 また、AUCは0.724(CCビュー)と0.769(MLOビュー)の2つの片面2面モデルより優れている。
  論文  参考訳（メタデータ） (2022-06-21T03:54:21Z)
• Breast Cancer Diagnosis in Two-View Mammography Using End-to-End Trained EfficientNet-Based Convolutional Network [0.0]
  深層畳み込みニューラルネットワークは、ヒトの専門家と同等またはそれ以上の性能の乳がんをマンモグラムで診断する。 本稿では,2つの転帰学習から成る最良技術について紹介する。
  論文  参考訳（メタデータ） (2021-10-01T22:09:59Z)
• Segmentation of Infrared Breast Images Using MultiResUnet Neural Network [0.0]
  乳がん検診における非侵襲的乳房造影剤として赤外線サーモグラフィーを検討中である。 自己エンコーダ様畳み込み畳み込みニューラルネットワーク(C-DCNN)は、以前の研究で乳房領域を自動的にIR画像に分割するために応用された。 本研究では,現在最先端のディープラーニングセグメンテーションモデルであるMultiResUnetを適用した。
  論文  参考訳（メタデータ） (2020-10-31T22:15:28Z)
• Convolutional-LSTM for Multi-Image to Single Output Medical Prediction [55.41644538483948]
  発展途上国の一般的なシナリオは、複数の理由からボリュームメタデータが失われることである。 ヒトの診断過程を模倣したマルチイメージから単一診断モデルを得ることが可能である。
  論文  参考訳（メタデータ） (2020-10-20T04:30:09Z)
• Automatic elimination of the pectoral muscle in mammograms based on anatomical features [0.0]
  デジタルマンモグラフィー検査は、ヒト乳癌組織の異常を早期に検出する最も一般的な手法である。 胸部筋の存在は乳腺病変の検出に影響を及ぼす可能性がある。 この問題に対処するための解剖学的特徴に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2020-08-17T20:36:46Z)
• Understanding the robustness of deep neural network classifiers for breast cancer screening [52.50078591615855]
  ディープニューラルネットワーク(DNN)は乳がん検診において有望であるが、その入力摂動に対する堅牢性は臨床的に実装される前によりよく理解する必要がある。 放射線技師レベルのマンモグラム画像分類器の4種類の入力摂動に対する感度を測定した。 また,低域通過フィルタの効果について詳細な解析を行い,臨床的に有意な特徴の視認性を低下させることを示した。
  論文  参考訳（メタデータ） (2020-03-23T01:26:36Z)
• Joint 2D-3D Breast Cancer Classification [22.031221319016353]
  デジタルマンモグラフィー(Digital Mammograms、DMまたは2Dマンモグラフィー)とデジタル乳房トモシンセシス(DBTまたは3Dマンモグラフィー)は、乳がんの診断・診断に使用される2種類のマンモグラフィー画像である。 乳がん分類のための新しい畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-02-27T19:08:16Z)

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。