文献

J-GLOBAL ID：202002218239040061   整理番号：20A0436367

深部残留神経回路網を用いた乳癌組織病理学画像におけるIDC予測のための新しい方法【JST・京大機械翻訳】

A Novel method for IDC Prediction in Breast Cancer Histopathology images using Deep Residual Neural Networks

著者 (2件)： Chatterjee Chandra Churh (Jalpaiguri Government Engineering College,Computer Science and Engineering Department,Jalpaiguri,India) ,  Krishna Gopal (Jalpaiguri Government Engineering College,Computer Science and Engineering Department,Jalpaiguri,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCT  ページ： 95-100  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 浸潤性乳管癌(IDC)は,浸潤腺管癌としても知られており,乳癌の最も規則的な形態である。それは,すべての乳癌の約80%を占める。米国癌学会[1]によると,米国における180人以上の女性は,毎年浸潤性乳癌と診断されている。癌のこの形態に関連する生存率は,診断されている段階に依存して約77%~93%である。これらの疾患の発生の侵襲性と頻度は,診断されることが困難な癌の1つである。著者らの提案した方法論は,IDCが正常画像から組織病理学的画像に影響を及ぼすことを分類するために,深い残存コンボリューションネットワークを伴う浸潤性腺管癌の診断を含む。使用された目的のためのデータセットは,Breast Hist病理学画像[2]として知られているベンチマークデータセットである。顕微鏡的RGB画像を7つのチャネル画像マトリックスに変換して,それを次にネットワークに供給した。提案したモデルは,0.9996のAUROCスコアを有する組織病理学画像におけるIDCの予測に対して99.29%の正確なアプローチを生み出した。モデルの分類能力を標準性能計量を用いて試験した。次の方法を次のセクションで記述した。指標Terms-Residual学習,CIELAB色空間,Grad-CAM,Contrast適応ヒストグラム等化(CLAHE),Gaussフィルタリング。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  女性 ,  *乳房腫瘍 ,  チャネル ,  ベンチマーク ,  *神経回路網 ,  Gaussフィルタ ,  生存率 ,  浸潤 ,  ネットワーク
準シソーラス用語： ヒストグラム等化 ,  正常画像 ,  浸潤性乳癌 ,  管癌 ,  浸潤性乳管癌 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 深部 ,  残留 ,  神経回路網 ,  乳癌 ,  組織病理学 ,  IDC ,  予測