Fugu-MT 論文翻訳(概要): DCS-ST for Classification of Breast Cancer Histopathology Images with Limited Annotations

論文の概要: DCS-ST for Classification of Breast Cancer Histopathology Images with Limited Annotations

arxiv url: http://arxiv.org/abs/2505.03204v2
Date: Wed, 07 May 2025 04:09:12 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-08 12:54:13.64942
Title: DCS-ST for Classification of Breast Cancer Histopathology Images with Limited Annotations
Title（参考訳）: DCS-STによる乳癌の病理組織像の分類
Authors: Liu Suxing, Byungwon Min,
Abstract要約: 深層学習法は乳癌の病理組織像の分類において有望であることを示している。しかし、そのパフォーマンスは、限られた注釈付きデータによって低下することが多く、医療画像にとって重要な課題である。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Deep learning methods have shown promise in classifying breast cancer histopathology images, but their performance often declines with limited annotated data, a critical challenge in medical imaging due to the high cost and expertise required for annotations.
Abstract（参考訳）: 深層学習法は乳がんの病理組織像の分類において有望であるが、アノテーションに必要とされる高コストと専門知識のために医療画像において重要な課題である、限られた注釈付きデータによってその性能は低下することが多い。

関連論文リスト

COIN: Counterfactual inpainting for weakly supervised semantic segmentation for medical images [3.5418498524791766]
本研究は, 新規なカウンターファクト・インパインティング・アプローチ(COIN)の開発である。 COINは、予測された分類ラベルを生成モデルを用いて異常から正常に反転させる。本手法の有効性は,エストニアのタルツ大学病院から取得したCT画像から,合成標的と実際の腎腫瘍を分離することによって実証される。
論文参考訳（メタデータ） (2024-04-19T12:09:49Z)
Semi- and Weakly-Supervised Learning for Mammogram Mass Segmentation with Limited Annotations [49.33388736227072]
本稿では,マスセグメンテーションのための半弱教師付き学習フレームワークを提案する。良好な性能を得るために, 限られた強ラベルのサンプルと十分な弱ラベルのサンプルを用いる。 CBIS-DDSMおよびINbreastデータセットを用いた実験により,本手法の有効性が示された。
論文参考訳（メタデータ） (2024-03-14T12:05:25Z)
AMLP:Adaptive Masking Lesion Patches for Self-supervised Medical Image Segmentation [67.97926983664676]
自己監督型マスク画像モデリングは自然画像に対して有望な結果を示した。しかし,このような手法を医用画像に直接適用することは依然として困難である。適応型マスキング病変パッチ(AMLP)の自己管理型医用画像分割フレームワークを提案する。
論文参考訳（メタデータ） (2023-09-08T13:18:10Z)
Learning with Limited Annotations: A Survey on Deep Semi-Supervised Learning for Medical Image Segmentation [8.946871799178338]
本稿では,最近提案された医用画像分割のための半教師あり学習手法について概観する。既存のアプローチの限界と未解決の問題を分析し,議論する。
論文参考訳（メタデータ） (2022-07-28T15:57:46Z)
Towards Unbiased COVID-19 Lesion Localisation and Segmentation via Weakly Supervised Learning [66.36706284671291]
本研究では,画像レベルラベルのみに監視されたデータ駆動型フレームワークを提案する。このフレームワークは、生成する対向ネットワークと病変特異的デコーダの助けを借りて、原画像から潜在的な病変を明示的に分離することができる。
論文参考訳（メタデータ） (2021-03-01T06:05:49Z)
Medical Image Segmentation with Limited Supervision: A Review of Deep Network Models [4.902303262071206]
ほとんどの最先端モデルは、大規模な注釈付きトレーニングの例に大きく依存しており、臨床や医療のタスクでは利用できないことが多い。医学画像セグメンテーションにおける深層学習モデルを成功させるためには,限られた注記を含む限られた監督から学習と一般化の強い能力が不可欠である。
論文参考訳（メタデータ） (2021-02-28T08:52:49Z)
Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文参考訳（メタデータ） (2020-10-09T14:39:27Z)
Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
論文参考訳（メタデータ） (2020-07-21T14:37:00Z)
Weakly supervised multiple instance learning histopathological tumor segmentation [51.085268272912415]
スライド画像全体のセグメント化のための弱教師付きフレームワークを提案する。トレーニングモデルに複数のインスタンス学習スキームを利用する。提案するフレームワークは,The Cancer Genome AtlasとPatchCamelyonデータセットのマルチロケーションとマルチ中心公開データに基づいて評価されている。
論文参考訳（メタデータ） (2020-04-10T13:12:47Z)

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。