Jove
Visualize
お問い合わせ

関連する概念動画

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Gramado consensus on imaging evaluation of the response to neoadjuvant systemic therapy for breast cancer.

Radiologia brasileira·2026
Same author

Childhood maltreatment associated with psychological stress in head and neck cancer patients: a cross-sectional study.

Psychology, health & medicine·2026
Same author

Periocular basal cell carcinoma worldwide distribution - a systematic review.

Orbit (Amsterdam, Netherlands)·2026
Same author

Structural Equation Modeling of Genetic and Residual Covariance Matrices for Multiple-Trait Evaluation in Beef Cattle.

Animals : an open access journal from MDPI·2026
Same author

Challenges and opportunities: computational biology and the future of agriculture.

Bioinformatics advances·2026
Same author

Predicting kidney graft survival with a machine learning model based on for-cause biopsy transcriptomics.

Scientific reports·2026
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する実験動画

Updated: Sep 8, 2025

Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns
13:44

Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns

Published on: August 30, 2013

43.0K

マンモグラフィの乳腺密度評価を人工知能で改善する

Naila Camila da Rocha1,2, Abner Macola Pacheco Barbosa3,4, Yaron Oliveira Schnr4

  • 1University of Wisconsin-Madison, 1675 Observatory Dr, Madison, WI, 53706, USA. ndarocha@wisc.edu.

Journal of imaging informatics in medicine
|September 5, 2025
PubMed
まとめ

この研究では マンモグラフィにおける乳腺密度の一貫した分類を可能にする アクセシブルなオープンソースのAIツールが導入され 乳がんの早期発見が改善されました AIモデルは高精度で 放射線医が乳房密度を客観的に評価するのに役立ちます

キーワード:
乳がん乳房の密度コンピュータによる診断コンボリューションニューラルネットワークマンモグラフィ

さらに関連する動画

Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging
15:48

Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging

Published on: December 15, 2014

22.6K
Intraductal Delivery and X-ray Visualization of Ethanol-Based Ablative Solution for Prevention and Local Treatment of Breast Cancer in Mouse Models
13:43

Intraductal Delivery and X-ray Visualization of Ethanol-Based Ablative Solution for Prevention and Local Treatment of Breast Cancer in Mouse Models

Published on: April 1, 2022

4.6K

関連する実験動画

Last Updated: Sep 8, 2025

Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns
13:44

Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns

Published on: August 30, 2013

43.0K
Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging
15:48

Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging

Published on: December 15, 2014

22.6K
Intraductal Delivery and X-ray Visualization of Ethanol-Based Ablative Solution for Prevention and Local Treatment of Breast Cancer in Mouse Models
13:43

Intraductal Delivery and X-ray Visualization of Ethanol-Based Ablative Solution for Prevention and Local Treatment of Breast Cancer in Mouse Models

Published on: April 1, 2022

4.6K

科学分野:

  • 医療イメージングにおける人工知能
  • 医療のためのコンピュータビジョン
  • 放射線と診断画像

背景:

  • 乳がんは世界中で女性の癌死亡の主な原因です.
  • マンモグラフィは早期発見に不可欠で 乳房の密度が重要な要因です
  • 現在の乳腺密度評価 (BI-RADS) は主観的で多様であり,客観的なツールが必要である.

研究 の 目的:

  • 乳腺密度の客観的な分類のためのオープンソースのAI駆動コンピュータビジョンアプローチを開発し,検証する.
  • 乳腺の密度を一貫した評価のために,特に資源の限られた環境で,アクセスしやすい,低コストのソリューションを作成します.
  • マンモグラフィの解釈を改善することで 乳がんの早期発見を向上させる

主な方法:

  • エクストリーム・ラーニング・マシン (ELM) 層と統合されたカスタム設計のコンボリューションニューラルネットワーク (CD-CNN) が開発されました.
  • このモデルは,BI-RADS密度 (A-D) によって分類された10,371のフルフィールドデジタルマンモグラフィのデータセットで訓練され,テストされました.
  • ミニMIASデータセットでの検証を含め,精度,感度,特異性,加重カッパを用いてパフォーマンスを評価した.

主要な成果:

  • 提案されたAIモデルは,95.4%の精度,98.0%の特異性,92.5%の感度で高性能を達成した.
  • 自動分類と専門家のコンセンサス (加重カッパ=0. 90) の間には強い一致が見られた.
  • 独立したミニMIASデータセットで比較可能な結果が得られ,堅実性と一般化性が示された.

結論:

  • 開発されたオープンソースのAIアプローチは,マンモグラフィにおける乳房密度の評価に一貫して正確な方法を提供します.
  • このツールは 乳がんを早期発見する取り組みを 大きく支援する可能性を秘めています
  • CD-CNNとELMの統合は,診断の一貫性を向上させるための自動化されたマンモグラフィの分析を進める.