Jove
Visualize
お問い合わせ
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: Apr 30, 2026

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

23.3K

分布シフト乳がん腫瘍画像分類のためのアディアバティック拡散ニューラルネットワークのグラフを描画します.

Haoquan Lu1, Zhihui Lai1, Heng Kong2

  • 1College of Computer Science and Software Engineering, Shenzhen University, Nanshan, Shenzhen, 518060, Guangdong, China.

Neural networks : the official journal of the International Neural Network Society
|February 18, 2026
PubMed
まとめ

乳がん画像分析は,類似度が低いことと分布のシフトにより,課題に直面しています. グラフアディアバティック拡散ニューラルネットワーク (GradiNet) は,グラフ構造を学習し,よりよい一般化のために分布シフトをシミュレーションすることによって分類を改善します.

関連する概念動画

Assessment of Diffusion and Perfusion01:17

Assessment of Diffusion and Perfusion

2.0K
Understanding and evaluating diffusion and perfusion is critical in assessing a patient's respiratory and circulatory health. These processes play key roles in maintaining the body's internal environment, ensuring that tissues receive adequate oxygen while waste products are efficiently removed.
The Role of Diffusion in Respiration
Diffusion is the process by which molecules move from an area of higher concentration to an area of lower concentration. In the respiratory system, this...
2.0K

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

Mammary tumors-derived exosomes induce striatal NF-κB signaling, microglial reactivity, and anxiety/depression-like behaviors.

Brain, behavior, and immunity·2026
Same author

Structural-Functional Connectome Generation via Diffusion-Guided Graph Transformer for Alzheimer's Disease Analysis.

IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society·2026
Same author

Gecko-Like Multi-Directional High-Power Magneto-Mechano-Electric Energy Harvesters for Self-Powered, Hundred-Meter-Scale LoRa Communication.

Advanced science (Weinheim, Baden-Wurttemberg, Germany)·2026
Same author

NPSVC++: A Representation Learning Framework for Nonparallel Classifiers.

IEEE transactions on neural networks and learning systems·2026
Same author

Interpretable facial landmark detection by multi-expert collaborative uncertainty-aware deep networks.

Neural networks : the official journal of the International Neural Network Society·2025
Same author

Adaptive Dispersal and Collaborative Clustering for Few-Shot Unsupervised Domain Adaptation.

IEEE transactions on image processing : a publication of the IEEE Signal Processing Society·2025

科学分野:

  • メディカルイマージング (医学イメージング)
  • 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.
  • グラフニューラルネットワーク

背景:

  • 乳がんの画像は,クラス内の類似性と分布のシフトが低く,認識を複雑にします.
  • 専門家の注釈の高いコストは,トレーニングのためのラベル付きデータの可用性を制限します.
  • 半監督学習,特にグラフニューラルネットワーク (GNN) は,注釈コストを削減し,乳がんの分類を改善するための有望なアプローチを提供します.

研究 の 目的:

  • グラフアディアバティック・ディフュージョン・ニューラル・ネットワーク (GradiNet) を提案し,乳がんの画像分類を強化する.
  • 差別的なグラフ構造を共同で学び,分布シフト環境をシミュレートする.
  • 流通内 (ID) と流通外 (OOD) のデータの両方に関するモデルの一般化能力を向上させる.

主な方法:

  • 乳がんの認識のための新しいGNNアーキテクチャであるGradiNetを開発しました.
  • グラフ学習オブジェクト関数を使用して差別グラフ構造をモデル化.
  • 配分シフトをシミュレートするために,アディアバティック境界条件を持つフーリエ熱拡散方程式に基づくGNN特性の伝播機構を導入した.

主要な成果:

キーワード:
乳がんの分類 乳がんの分類ディスクリミナビリティとはグラフニューラル拡散配給終了について

関連する実験動画

Last Updated: Apr 30, 2026

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

23.3K
  • 学習グラフ構造の有効性を理論的かつ経験的に実証した.
  • 配分シフトの適応シミュレーションと一般化の強化を展示しました.
  • 複数のメトリクスを越えた公的および私的な乳がんの超音波画像データセットで最先端のパフォーマンスを達成しました.

結論:

  • GradiNetは,低レベルのクラス内類似性と分布シフトを含む,乳がん画像分析における課題を効果的に解決しています.
  • 提案された方法は,半監督学習を通じて,広範なラベル付きデータへの依存を軽減します.
  • GradiNetは,乳がん検出の分類性能と一般化を大幅に改善しています.