专栏首页arxiv.org翻译专栏利用深度学习的强化样本学习策略预测浸润性导管癌(CS)

利用深度学习的强化样本学习策略预测浸润性导管癌(CS)

浸润性导管癌是一种普遍的、可能致命的疾病,发病率和死亡率很高。它的恶性是妇女死于癌症的第二大原因。乳房x线照片对于肿块检测和浸润性导管癌的诊断是非常有用的资源。我们正在提出一种治疗浸润性导管癌的方法,将卷积神经网络(CNN)用于乳房x线照片,以帮助放射科医生诊断该疾病。由于某些乳房x线照片的图像清晰度和结构不同,很难观察到主要的癌症特征,如微钙化和肿块,通常很难解释和诊断这些特征。本研究的目的是建立一种用于侵袭性导管癌计算机辅助诊断(CAD)系统全自动特征提取和分类的新方法。本文提出了一种新的基于卷积神经网络的乳腺图像肿瘤分类算法,以提高特征提取和训练速度。该算法有两个贡献。

原文题目:Predicting invasive ductal carcinoma using a Reinforcement Sample Learning Strategy using Deep Learning

原文:Invasive ductal carcinoma is a prevalent, potentially deadly disease associated with a high rate of morbidity and mortality. Its malignancy is the second leading cause of death from cancer in women. The mammogram is an extremely useful resource for mass detection and invasive ductal carcinoma diagnosis. We are proposing a method for Invasive ductal carcinoma that will use convolutional neural networks (CNN) on mammograms to assist radiologists in diagnosing the disease. Due to the varying image clarity and structure of certain mammograms, it is difficult to observe major cancer characteristics such as microcalcification and mass, and it is often difficult to interpret and diagnose these attributes. The aim of this study is to establish a novel method for fully automated feature extraction and classification in invasive ductal carcinoma computer-aided diagnosis (CAD) systems. This article presents a tumor classification algorithm that makes novel use of convolutional neural networks on breast mammogram images to increase feature extraction and training speed. The algorithm makes two contributions.

原文链接:https://arxiv.org/abs/2105.12564

原文作者:Rushabh Patel

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 这篇17分的文章告诉你:深度学习和分子分型其实并不难!

    大家好,今天和大家分享的是 2020 年 4 月发表在 European urology(IF:17.298)上的一篇文章,"Deep Learning Pre...

    科研菌
  • 亚马逊专家揭秘:如何建立自动检测乳腺癌的深度学习模型

    安妮 编译自 Insight Data Science 量子位出品 | 公众号 QbitAI 本文作者Sheng Weng,现亚马逊Alexa项目组数据专家,莱...

    量子位
  • 学界 | 点内科技、华东医院及上海交大合著论文:3D深度学习在CT影像预测早期肿瘤浸润方面超过影像专家

    点内科技、复旦大学附属华东医院「张国桢肺微小结节诊治中心」和上海交通大学「SJTU-UCLA 机器感知与推理联合研究中心」组成的联合研究团队共同合作的科研成果「...

    机器之心
  • 150秒内快速诊断脑瘤!最新AI光学成像系统在《Nature Medicine》发表

    人工智能正在各个领域大放异彩,不断扩充应用的版图!在手术室也显示出了新的希望!新的研究表明,机器学习可以在150秒以内诊断出脑肿瘤,所需时间仅仅是人类专家的一小...

    新智元
  • 基于肿瘤微环境基因构建I-III期结肠癌免疫预后模型(IF=6.68)

    今天解读一篇发表在EBioMedicine上的文章,影响因子6.68。文章通过建立了一个肿瘤微环境风险评分panel,并证明其可作为I-III期结肠癌患者生存预...

    DoubleHelix
  • RNA m6A甲基化研究助力研究胃癌中m6A调节因子介导的甲基化修饰模式和肿瘤微环境浸润特征

    m6A regulator-mediated methylation modification patterns and tumor microenvironm...

    生信交流平台
  • 【汇总】上海药物所李亚平老师在肿瘤免疫治疗领域的研究成果

    1. Science Immunology:肿瘤微环境激活型抗体纳米粒用于免疫联合治疗

    王开元
  • Nature Immunology|肝脏肿瘤逃脱自然杀伤细胞免疫监视的新机制

    自然杀伤细胞(Natural killer cells, NK cells)是一种效应性淋巴细胞,在人体抗肿瘤过程中发挥重要作用,但是,仍然有一些肿瘤细胞能够逃...

    生信宝典
  • 单细胞时代 || 从众病之王到希望之光

    这不是最好的时代,也不是最坏的时代,这里是单细胞时代。灵活的单细胞系统,高效的组织解离液,开源的数据分析工具,端到端的单细胞解决方案是未来发展的趋势。这里最主要...

    生信技能树jimmy

扫码关注云+社区

领取腾讯云代金券