Breast Cancer Diagnosis Using Machine Learning Techniques

要約

タイトル：機械学習技術を用いた乳がん診断
要約：
– 乳がんは女性にとって最も脅威的な疾患であり、早期かつ正確な診断がリスクの低減に鍵を握る。
– マンモグラフィが乳がん検診の参照技術であるが、経済的、社会的、文化的問題により、多くの国々ではまだマンモグラフィにアクセスができない。
– 最新の計算ツール、赤外線カメラ、生体インピーダンス測定デバイスの進歩により、熱画像、赤外線温度計、電気インピーダンス断層撮影、血液検査によるバイオマーカーなど、マンモグラフィに代わる参照技術が出現し、より速く、信頼性が高く、安価になっている。
– 過去20年間、上記の技術は乳がん診断の平行かつ拡張されたアプローチとして考えられ、多くの著者は偽陽性率と偽陰性率が著しく低下すると結論付けた。
– さらに、スクリーニング方法がコンピュータ技術と組み合わさると、「コンピュータ支援診断」システムが生成される。
– 本研究は、先述の3つの技術に関する最近の進歩を概説し、機械学習技術を乳がん診断に提案することを目的としており、ロジスティック回帰、決定木、ランダムフォレスト、ディープニューラルネットワーク、畳み込みニューラルネットワークなどのいくつかの方法の利点と他の方法との関係について説明する。
– これにより、パルゼンツリーオプティマイザーによるいくつかのハイパーパラメータ最適化アプローチを研究し、ベースラインモデルのパフォーマンスを改善する。
– 各データベースの探索的データ分析と、熱画像データベースの畳み込みニューラルネットワークのベンチマークを提供する。
– ベンチマークプロセスでは、Resnet50、NasNetmobile、InceptionResnet、Xceptionなどの畳み込みニューラルネットワークによる画像分類技術が検討される。

要約(オリジナル)

Breast cancer is one of the most threatening diseases in women’s life; thus, the early and accurate diagnosis plays a key role in reducing the risk of death in a patient’s life. Mammography stands as the reference technique for breast cancer screening; nevertheless, many countries still lack access to mammograms due to economic, social, and cultural issues. Latest advances in computational tools, infrared cameras and devices for bio-impedance quantification, have given a chance to emerge other reference techniques like thermography, infrared thermography, electrical impedance tomography and biomarkers found in blood tests, therefore being faster, reliable and cheaper than other methods. In the last two decades, the techniques mentioned above have been considered as parallel and extended approaches for breast cancer diagnosis, as well many authors concluded that false positives and false negatives rates are significantly reduced. Moreover, when a screening method works together with a computational technique, it generates a ‘computer-aided diagnosis’ system. The present work aims to review the last breakthroughs about the three techniques mentioned earlier, suggested machine learning techniques to breast cancer diagnosis, thus, describing the benefits of some methods in relation with other ones, such as, logistic regression, decision trees, random forest, deep and convolutional neural networks. With this, we studied several hyperparameters optimization approaches with parzen tree optimizers to improve the performance of baseline models. An exploratory data analysis for each database and a benchmark of convolutional neural networks for the database of thermal images are presented. The benchmark process, reviews image classification techniques with convolutional neural networks, like, Resnet50, NasNetmobile, InceptionResnet and Xception.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI