論文の概要: MSAD-Net: Multiscale and Spatial Attention-based Dense Network for Lung Cancer Classification

• arxiv url: http://arxiv.org/abs/2504.14626v1
• Date: Sun, 20 Apr 2025 14:07:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-29 23:18:47.509381
• Title: MSAD-Net: Multiscale and Spatial Attention-based Dense Network for Lung Cancer Classification
• Title（参考訳）: MSAD-Net:肺がん分類のためのマルチスケール・空間的注意に基づくDense Network
• Authors: Santanu Roy, Shweta Singh, Palak Sahu, Ashvath Suresh, Debashish Das,
• Abstract要約: 肺がんは、世界中でがん関連死亡率の高い原因の一つである。 我々は,新しいCNNアーキテクチャであるMulti-Scale Dense Network (MSD-Net)'を提案した。 提案モデルでは,最新のCNNモデルであるConvNext-Tiny,最近のViT(Vision Transformer),Pooling-based ViT(PiT),その他の既存モデルよりも大幅に性能が向上した。
• 参考スコア（独自算出の注目度）: 1.5728609542259502
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lung cancer, a severe form of malignant tumor that originates in the tissues of the lungs, can be fatal if not detected in its early stages. It ranks among the top causes of cancer-related mortality worldwide. Detecting lung cancer manually using chest X-Ray image or Computational Tomography (CT) scans image poses significant challenges for radiologists. Hence, there is a need for automatic diagnosis system of lung cancers from radiology images. With the recent emergence of deep learning, particularly through Convolutional Neural Networks (CNNs), the automated detection of lung cancer has become a much simpler task. Nevertheless, numerous researchers have addressed that the performance of conventional CNNs may be hindered due to class imbalance issue, which is prevalent in medical images. In this research work, we have proposed a novel CNN architecture ``Multi-Scale Dense Network (MSD-Net)'' (trained-from-scratch). The novelties we bring in the proposed model are (I) We introduce novel dense modules in the 4th block and 5th block of the CNN model. We have leveraged 3 depthwise separable convolutional (DWSC) layers, and one 1x1 convolutional layer in each dense module, in order to reduce complexity of the model considerably. (II) Additionally, we have incorporated one skip connection from 3rd block to 5th block and one parallel branch connection from 4th block to Global Average Pooling (GAP) layer. We have utilized dilated convolutional layer (with dilation rate=2) in the last parallel branch in order to extract multi-scale features. Extensive experiments reveal that our proposed model has outperformed latest CNN model ConvNext-Tiny, recent trend Vision Transformer (ViT), Pooling-based ViT (PiT), and other existing models by significant margins.
• Abstract（参考訳）: 肺がんは、肺の組織に由来する重度の悪性腫瘍であり、早期に発見されなければ致命的となることがある。 世界有数のがん関連死亡原因の1つに数えられる。 胸部X線画像やCTスキャンを用いて肺がんを手動で検出することは,放射線技師にとって重要な課題である。 そのため,放射線画像から肺がんの自動診断システムの必要性が指摘された。 近年のディープラーニングの出現、特に畳み込みニューラルネットワーク(CNN)による肺がんの自動検出は、はるかに単純なタスクとなっている。 それにもかかわらず、多くの研究者が、従来のCNNのパフォーマンスは、医学画像に広く見られるクラス不均衡の問題によって妨げられる可能性があると指摘している。 本研究では,新しいCNNアーキテクチャである 'Multi-Scale Dense Network (MSD-Net)' (Trated-from-scratch) を提案する。 I) CNNモデルの4ブロックと5ブロックに新しい高密度モジュールを導入する。 我々は,モデルの複雑さを著しく低減するために,DWSC層と高密度モジュールの1x1畳み込み層を3層利用した。 (II) さらに,第3ブロックから第5ブロックへの1つのスキップ接続と,第4ブロックからグローバル平均プール(GAP)層への1つの並列ブランチ接続を組み込んだ。 我々は, 拡張畳み込み層(拡張速度=2)を最終並列分岐で利用し, マルチスケールの特徴を抽出した。 大規模な実験により,提案モデルが最新のCNNモデルであるConvNext-Tiny,最近のViT(Vision Transformer),Pooling-based ViT(PiT),その他の既存モデルを上回る性能を示した。

関連論文リスト

• Fibonacci-Net: A Lightweight CNN model for Automatic Brain Tumor Classification [1.5705429611931057]
  本研究では,MRIデータセットからの脳腫瘍の自動分類のための,非常に軽量なモデル"Fibonacci-Net"と,新しいプール技術を提案する。 実験の結果、提案されたFibonacci-Netを使用した結果、96.2%の精度、97.17%の精度、95.9%のリコール、96.5%のF1スコア、そして最も困難な44クラスのMRIデータセットの99.9%の特異性を達成した。
  論文  参考訳（メタデータ） (2025-03-18T05:47:02Z)
• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Masked LoGoNet: Fast and Accurate 3D Image Analysis for Medical Domain [46.44049019428938]
  我々はLoGoNetと呼ばれる新しいニューラルネットワークアーキテクチャを導入する。 LoGoNetは、LKA(Large Kernel Attention)とデュアルエンコーディング戦略を利用して、U字型アーキテクチャに新しい特徴抽出器を統合する。 大規模ラベル付きデータセットの欠如を補うために,3次元画像に適した新しいSSL方式を提案する。
  論文  参考訳（メタデータ） (2024-02-09T05:06:58Z)
• Dual Multi-scale Mean Teacher Network for Semi-supervised Infection Segmentation in Chest CT Volume for COVID-19 [76.51091445670596]
  CT(Computed tomography)データから肺感染症を自動的に検出することは、COVID-19と戦う上で重要な役割を担っている。 現在の新型コロナウイルス感染症のセグメンテーションのほとんどは、主に3Dシーケンシャルな制約を欠いた2D CT画像に依存している。 既存の3次元CTセグメンテーション法では,3次元ボリュームにおける複数レベルの受容場サイズを達成できない単一スケールの表現に焦点が当てられている。
  論文  参考訳（メタデータ） (2022-11-10T13:11:21Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• Explainable multiple abnormality classification of chest CT volumes with AxialNet and HiResCAM [89.2175350956813]
  本稿では,容積医用画像における多変量分類の課題について紹介する。 本稿では,複数のインスタンス学習型畳み込みニューラルネットワークであるAxialNetを提案する。 そして、HiResCAMと3D許容領域を利用した新しいマスクロスにより、モデルの学習を改善することを目指す。
  論文  参考訳（メタデータ） (2021-11-24T01:14:33Z)
• 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)
• 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)
• Multiscale Detection of Cancerous Tissue in High Resolution Slide Scans [0.0]
  高分解能スライドスキャンにおけるマルチスケール腫瘍(キメラ細胞)検出アルゴリズムを提案する。 提案手法では,CNNの異なる層における有効受容場を改良し,幅広いスケールの物体を1つの前方通過で検出する。
  論文  参考訳（メタデータ） (2020-10-01T18:56:46Z)
• Accurate and Efficient Intracranial Hemorrhage Detection and Subtype Classification in 3D CT Scans with Convolutional and Long Short-Term Memory Neural Networks [20.4701676109641]
  RSNA頭蓋内出血検出のためのシステムについて紹介する。 提案システムは,畳み込みニューラルネットワーク(CNN)を用いた軽量深層ニューラルネットワークアーキテクチャに基づいている。 最終テストセットの重み付き平均ログ損失は0.04989で、合計1345名から上位30名(2%)にランクインした。
  論文  参考訳（メタデータ） (2020-08-01T17:28:25Z)
• M2Net: Multi-modal Multi-channel Network for Overall Survival Time Prediction of Brain Tumor Patients [151.4352001822956]
  生存時間(OS)の早期かつ正確な予測は、脳腫瘍患者に対するより良い治療計画を得るのに役立つ。 既存の予測手法は、磁気共鳴(MR)ボリュームの局所的な病変領域における放射能特性に依存している。 我々は,マルチモーダルマルチチャネルネットワーク(M2Net)のエンドツーエンドOS時間予測モデルを提案する。
  論文  参考訳（メタデータ） (2020-06-01T05:21:37Z)
• SDCT-AuxNet$^{\theta}$: DCT Augmented Stain Deconvolutional CNN with Auxiliary Classifier for Cancer Diagnosis [14.567067583556714]
  急性リンパ性白血病(英語: acute lymphoblastic leukemia,ALL)は、世界中の小児の白血球癌である。 本稿では,all癌細胞像の分類のための新しいディープラーニングアーキテクチャを提案する。 先日公表した15114枚のall癌と健康な細胞のデータセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2020-05-30T16:01:31Z)
• 3D Aggregated Faster R-CNN for General Lesion Detection [20.43919148873075]
  本稿では, エンドツーエンドの3D Aggregated Faster R-CNNソリューションを実装した。 LUNA16とDeepLesionの両方のデータセット上で、我々のモデルがアートパフォーマンスの状態を達成できることを実証する。
  論文  参考訳（メタデータ） (2020-01-29T19:57:35Z)

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。