A Robust Transfer Learning for Breast Cancer Early Detection from Multiple Imaging Modalities :

Gelan Ayana

추천

검색

자료유형: 학위논문

저자정보: Gelan Ayana (금오공과대학교, 금오공과대학교 대학원)

지도교수: Se-woon Choe

발행연도: 2023

저작권: 금오공과대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (3)

2023

A Robust Transfer Learning for Breast Cancer Early Detection from Multiple Imaging Modalities

Gelan Ayana 메디컬IT융합공학과 2023.01 학위논문

2021

Proper Base-model and Optimizer Combination Improves Transfer Learning Performance for Ultrasound Breast Cancer Classification

Gelan Ayana , Jinhyung Pa , k 외 1명 한국정보통신학회 종합학술대회 논문집 2021.10 학술대회자료

Multistage Transfer Learning for Breast Cancer Early Diagnosis via Ultrasound

Gelan Ayana , Jinhyung Pa , k 외 1명 한국정보통신학회 종합학술대회 논문집 2021.05 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

Despite advances in screening technologies and awareness campaigns, early diagnosis of breast cancer remains challenging. Mammography, the main screening tool, has limitations in detecting small tumors, particularly in women with dense breast tissue, and can yield false-positive results. Ultrasound and biopsy are alternative diagnostic tools that offer valuable additional information for early breast cancer diagnosis. However, they also face challenges such as operator dependency, false-positive and false-negative results, invasiveness, cost, and limited detection in certain cases. To address these challenges, this thesis developed a robust transfer learning method based on convolutional neural networks and vision transformers for breast cancer detection from multiple imaging modalities. This thesis presents important contributions, including patchless multistage transfer learning for mammogram images, a novel multistage transfer learning approach for breast ultrasound images, and vision transformer-based transfer learning for human epidermal growth factor receptor 2 (HER2) expression staging. The results demonstrated that the developed methods improved breast cancer diagnosis. Moreover, the proposed approaches offer cost-effective solutions and the potential to increase global access to accurate early breast cancer diagnosis. These findings have significant implications for the early diagnosis of breast cancer, particularly in women with dense breasts and in resource-limited settings.

[List of Tables] i
[List of Figures] iii
[List of Abbreviations] v
[Bibliographic Notes] vii
Chapter I Introduction 1
1.1 Patchless multistage transfer learning for mammogram images 8
1.2 A novel multistage transfer learning for breast ultrasound images 9
1.3 HER2 X-transformer 11
Chapter II Patchless multistage transfer learning for mammogram images 14
2.1 Introduction 14
2.2 Methods 21
2.2.1 Datasets 21
2.2.2 Preprocessing 26
2.2.3 The multistage transfer learning method 28
2.2.4 Evaluation metrics 40
2.3 Results 41
2.3.1 Convolutional neural network-based multistage transfer learning model for breast mammograms 41
2.3.2 Vision transformer-based multistage transfer learning model for breast mammograms 47
2.4 Discussion 57
Chapter III A novel multistage transfer learning for breast ultrasound images 68
3.1 Introduction 68
3.2 Methods 75
3.2.1 Datasets 75
3.2.2 Preprocessing 77
3.2.3 The multistage transfer learning method 79
3.2.4 Evaluation metrics 87
3.3 Results 88
3.3.1 The convolutional neural network-based multistage transfer learning for breast ultrasound 88
3.3.2 The vision transformer-based multistage transfer learning for breast ultrasound 93
3.4 Discussion 100
Chapter IV HER2 X-transformer: Vision transformers for breast cancer human epidermal growth factor receptor 2 (HER2) expression staging without immunohistochemical (IHC) staining 105
4.1 Introduction 105
4.1.1 Related works 107
4.2 Methods 109
4.2 1 The proposed model 109
4.2.2 Localization module 112
4.2.3 Attention module 113
4.2.4 Loss module 114
4.2.5 Dataset 116
4.2.6 Implementation details 117
4.2.7 Evaluation metrics 118
4.3 Results 118
4.3.1 Experimental settings 118
4.3.2 Experimental results 119
4.4 Discussion 124
Chapter V Conclusion 128
[References] 130
[Acknowledgement] 165

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)