文献

J-GLOBAL ID：202202291513367697   整理番号：22A1051490

超音波画像からの乳癌のセグメンテーションガイド分類の深い統合パイプライン【JST・京大機械翻訳】

Deep integrated pipeline of segmentation guided classification of breast cancer from ultrasound images

著者 (3件)： Inan Muhammad Sakib Khan (Department of Computer Science and Engineering, East Delta University, Chittagong, Bangladesh) ,  Alam Fahim Irfan (Department of Computer Science and Engineering, University of Chittagong, Chittagong, Bangladesh) ,  Hasan Rizwan (Department of Computer Science and Engineering, East Delta University, Chittagong, Bangladesh)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 75  ページ： Null  発行年： 2022年 
JST資料番号： W3347A  ISSN： 1746-8094  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： 乳癌は,世界的に癌死亡率の主な原因の1つであるため,現代世界における大きな懸念のシンボルとなっている。この点に関して,乳房超音波検査画像は,初期段階で乳癌を診断するために医師によって頻繁に利用される。しかし,複雑なアーチファクトと重度雑音のある乳房超音波検査画像は診断を大きな課題にする。さらに,乳癌に対してスクリーニングされる患者の増え続ける数は,低コストでかつ短時間で高精度診断のための自動エンドツーエンド技術の使用を必要とする。この懸念において,乳房超音波検査画像分類のためのエンドツーエンド統合パイプラインを開発するために,著者らは,VGG16,VGG19,高密度Net121,およびResNet50のような4つの移動学習モデルと同様に,K平均++およびSLICのような画像前処理方法の徹底的な分析を実施した。分割ステージにおける63.4のDice-係数スコアと分類精度と分類段階における73.72%と78.92%のF1-Score(Benign)によって,SLIC,UNETとVGG16の組合せは,すべての他の統合組合せを凌駕した。最後に,著者らは,超音波画像の複雑なアーチファクトからスーパーピクセル特徴を捕捉するためのSLICによる前処理を含むエンド統合自動パイプライン化フレームワークを提案し,修正U-Netによる意味セグメンテーションを補完し,事前訓練VGG16と高密度接続ニューラルネットワークを用いた移動学習アプローチを用いた乳房腫瘍分類を導いた。提案した自動パイプラインは,乳癌のより正確でタイムリーな診断を行う際に,医療従事者を支援するため,効果的に実装できる。Copyright 2022 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： 雑音 ,  学習 ,  学習モデル ,  *セグメンテーション ,  前処理 ,  ニューラルネットワーク ,  医療従事者 ,  エンドツーエンド方式 ,  診断 ,  医師 ,  *超音波画像 ,  *乳房腫瘍 ,  アーチファクト
準シソーラス用語： 乳房超音波検査法 ,  画像分類 , 【Automatic Indexing@JST】

著者キーワード (5件)： 転移学習 ,  セマンティックセグメンテーション ,  SLIC ,  KMeans++ ,  VGG16

分類 (1件)： 腫ようの診断  (GE03020J)

タイトルに関連する用語 (6件)： 音波画像 ,  乳癌 ,  セグメンテーション ,  分類 ,  統合 ,  パイプライン