論文の概要: Full Field Digital Mammography Dataset from a Population Screening Program

• arxiv url: http://arxiv.org/abs/2411.02710v1
• Date: Tue, 05 Nov 2024 01:13:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-06 15:00:51.347554
• Title: Full Field Digital Mammography Dataset from a Population Screening Program
• Title（参考訳）: 集団検診プログラムによる全フィールドデジタルマンモグラフィーデータセット
• Authors: Edward Kendall, Paraham Hajishafiezahramini, Matthew Hamilton, Gregory Doyle, Nancy Wadden, Oscar Meruvia-Pastor,
• Abstract要約: 集団検診プログラムは定期的なマンモグラフィーの撮影を予定し、早期発見を促進する。 現在、このようなスクリーニングプログラムは手作業による読影を必要としており、読影過程における偽陽性の誤りは、必要以上に、追跡と患者への不安を招きかねない。 NL-Breast-Screeningは、人口スクリーニングプログラムを特に対象とし、カナダの地方検定プログラムのデータセットである。 このデータセットは5997個のマンモグラフィー検査からなり、それぞれが4つの標準ビューを持ち、生検で確認されている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Breast cancer presents the second largest cancer risk in the world to women. Early detection of cancer has been shown to be effective in reducing mortality. Population screening programs schedule regular mammography imaging for participants, promoting early detection. Currently, such screening programs require manual reading. False-positive errors in the reading process unnecessarily leads to costly follow-up and patient anxiety. Automated methods promise to provide more efficient, consistent and effective reading. To facilitate their development, a number of datasets have been created. With the aim of specifically targeting population screening programs, we introduce NL-Breast-Screening, a dataset from a Canadian provincial screening program. The dataset consists of 5997 mammography exams, each of which has four standard views and is biopsy-confirmed. Cases where radiologist reading was a false-positive are identified. NL-Breast is made publicly available as a new resource to promote advances in automation for population screening programs.
• Abstract（参考訳）: 乳がんのリスクは世界で2番目に大きい。 早期がんの検出は死亡率の低下に有効であることが示されている。 集団検診プログラムは定期的なマンモグラフィーの撮影を予定し、早期発見を促進する。 現在、このような検診は手作業で行う必要がある。 読解プロセスにおける偽陽性の誤りは、不必要にコストのかかるフォローアップと患者の不安を引き起こす。 自動化されたメソッドは、より効率的で一貫性があり、効果的に読むことを約束します。 開発を容易にするために、多くのデータセットが作成されている。 NL-Breast-Screeningは、人口スクリーニングプログラムを特に対象とし、カナダの地方検定プログラムのデータセットである。 このデータセットは5997個のマンモグラフィー検査からなり、それぞれが4つの標準ビューを持ち、生検で確認されている。 放射線医の読影が偽陽性であった症例が同定された。 NL-Breastは、人口スクリーニングプログラムの自動化を促進する新しいリソースとして公開されている。

関連論文リスト

• Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
  本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。 本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
  論文  参考訳（メタデータ） (2024-05-23T07:03:38Z)
• 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)
• 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)
• Screening Mammography Breast Cancer Detection [0.0]
  乳癌は、がんによる死亡の主な原因である。 現在のスクリーニングプログラムは高価で、偽陽性になりやすい。 本稿では,乳がん自動検出の解決策を提案する。
  論文  参考訳（メタデータ） (2023-07-21T00:15:56Z)
• 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 deep learning algorithm for reducing false positives in screening mammography [1.914044679141325]
  この研究は、乳がんに不審でないマンモグラムを特定することによって、偽陽性を減らすAIアルゴリズムを実証する。 われわれは123,248個の2Dデジタルマンモグラム(6,161個の癌)を用いて癌の有無を判定するアルゴリズムを訓練し,14,831個の検診(1,026個のがん)を行った。
  論文  参考訳（メタデータ） (2022-04-13T23:37:40Z)
• OdontoAI: A human-in-the-loop labeled data set and an online platform to boost research on dental panoramic radiographs [53.67409169790872]
  本研究では, 歯科用パノラマX線画像の公開データセットの構築について述べる。 我々はHuman-in-the-loop(HITL)の概念の恩恵を受け、ラベリング手順を高速化する。 その結果,HITLによるラベル付け時間短縮率は51%であり,連続作業時間390時間以上節約できた。
  論文  参考訳（メタデータ） (2022-03-29T18:57:23Z)
• 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)
• Lung-Originated Tumor Segmentation from Computed Tomography Scan (LOTUS) Benchmark [48.30502612686276]
  肺癌は最も致命的ながんの1つであり、その効果的な診断と治療は腫瘍の正確な悪性度に依存している。 現在最も一般的なアプローチであるHuman-centered segmentationは、サーバ間変動の対象となる。 2018年のVIPカップは、42か国から競争データにアクセスするための世界的な参加から始まった。 簡単に言えば、競争中に提案されたアルゴリズムはすべて、偽陽性還元手法と組み合わせたディープラーニングモデルに基づいている。
  論文  参考訳（メタデータ） (2022-01-03T03:06:38Z)
• $\text{O}^2$PF: Oversampling via Optimum-Path Forest for Breast Cancer Detection [0.29360071145551064]
  本稿では,教師なしのオプティマムパスフォレストアルゴリズムに基づくデータオーバーサンプリング手法である$textO2$PFを提案する。 完全なオーバーサンプリングシナリオで実施された実験は、モデルの堅牢性を示す。
  論文  参考訳（メタデータ） (2021-01-14T18:26:13Z)
• Detection of masses and architectural distortions in digital breast tomosynthesis: a publicly available dataset of 5,060 patients and a deep learning model [4.3359550072619255]
  乳房トモシンセシス画像の大規模データセットをキュレートし,公開している。 5,060人の患者から5,610人を対象にした22,032冊の復元版がある。 我々は単相深層学習検出モデルを開発し、将来の研究のベースラインとしてデータセットを用いてテストした。
  論文  参考訳（メタデータ） (2020-11-13T18:33:31Z)

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。