文献

J-GLOBAL ID：201902223513660636   整理番号：19A0083413

乳癌診断のための構成的ディープニューラルネットワーク【JST・京大機械翻訳】

Constructive Deep Neural Network for Breast Cancer Diagnosis

著者 (7件)： Zemouri R. (Cedric-Lab, CNAM, Paris (France)) ,  Omri N. (FEMTO-ST, Univ. of Bourgogne-Franche-Comte, Besancon (France)) ,  Morello B. (FEMTO-ST, Univ. of Bourgogne-Franche-Comte, Besancon (France)) ,  Devalland C. (Pathological Anatomy and Cytology, Hopital Nord Franche-Comte, Belfort, (France)) ,  Arnould L. (Dept. of Biologie and Tumor Pathology, Centre G-F Leclerc, Dijon (France)) ,  Zerhouni N. (FEMTO-ST, Univ. of Bourgogne-Franche-Comte, Besancon (France)) ,  Fnaiech F. (Universite de Tunis, ENSIT, LR13ES03 SIME, Tunis (Tunisia))
資料名： IFAC PapersOnLine  (IFAC PapersOnLine)
巻： 51  号： 27  ページ： 98-103  発行年： 2018年 
JST資料番号： W3101A  ISSN： 2405-8963  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： Oncod型DX(ODX)乳癌分析は,世界的に最も一般的で使用されている遺伝子発現プロファイリング(GEP)試験である。このODX分析は,アジュバント化学療法(ACT)決定に大きな影響を及ぼす。しかし,多くの標準アプローチが提案され,実践者に提案されている。そのような方法の精度は最高レベルに達しなかった。本論文は,ODX分析の再帰スコア(RS)予測のために使用されたDeep Constructive Neural Networkに基づくBreast Cancer Computer Aided Diagnosis(BC-CAD)を扱う。提案したConstDeepNetアルゴリズムを試験し,2つの分類器を構築した。最初のアーキテクチャでは,1つのDeepニューラルネットワークが各クラスに対して構築される「すべての」構造に対する「一つ」を用いた。第二のアーキテクチャでは,一つのDNNを三つのクラスに用いた。提案BC-CADアルゴリズムを実データセットでテストし,良好な性能を示した。本研究のデータセットは,2012年から2017年にかけて入手可能なOncod型DX試験結果を有する92例の癌乳房管腔Bを含み,フランスのDijonとBelfortにそれぞれ位置するGeorges Francois Leclerc癌センターとNorth Trevenans郡病院から得られた。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測 ,  *ニューラルネットワーク ,  *乳房腫瘍 ,  フランス共和国 ,  計算機アーキテクチャ ,  アルゴリズム ,  乳房 ,  再発
準シソーラス用語： スコア ,  補助化学療法 ,  遺伝子発現プロファイリング ,  *ディープニューラルネットワーク ,  *乳癌診断 , 【Automatic Indexing@JST】

著者キーワード (6件)： 成長アルゴリズム ,  深層学習 ,  ニューラルネットワーク ,  乳癌 ,  再発スコア ,  オンコタイプDX

分類 (2件)： 遺伝子発現  (EC02040Q) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (2件)： 乳癌診断 ,  ディープニューラルネットワーク