Eine genaue Diagnose von Brustkrebs in histopathologischen Bildern ist aufgrund der Heterogenit t des Krebszellwachstums sowie einer Vielzahl gutartiger proliferativer L sionen des Brustgewebes eine Herausforderung. In dieser Arbeit schlagen wir eine praktische und selbstinterpretierbare L sung f r die invasive Krebsdiagnose vor. Mit minimalen Anmerkungsinformationen ermittelt die vorgeschlagene Methode unbeaufsichtigt Kontrastmuster zwischen normalen und b sartigen Bildern und generiert eine Wahrscheinlichkeitskarte von Anomalien, um ihre Argumentation zu berpr fen. Insbesondere wird ein vollst ndig faltender Autoencoder verwendet, um die vorherrschenden Strukturmuster unter normalen Bildfeldern zu lernen. Patches, die nicht die Merkmale dieser normalen Population aufweisen, werden von einer Ein-Klassen-Support-Vektor-Maschine und einem einschichtigen neuronalen Netzwerk erkannt und analysiert. Wir wenden die vorgeschlagene Methode auf einen ffentlichen Brustkrebs-Bildersatz an. Unsere Ergebnisse in Absprache mit einem leitenden Pathologen zeigen, dass die vorgeschlagene Methode bestehende Methoden bertrifft. Die erhaltene Wahrscheinlichkeitskarte k nnte der Pathologiepraxis durch die Bereitstellung visualisierter Verifizierungsdaten zugute kommen und m glicherweise zu einem besseren Verst ndnis datengesteuerter Diagnosel sungen f hren.
ThriftBooks sells millions of used books at the lowest everyday prices. We personally assess every book's quality and offer rare, out-of-print treasures. We deliver the joy of reading in recyclable packaging with free standard shipping on US orders over $15. ThriftBooks.com. Read more. Spend less.