Autor segons l'article: Hassanien, Mohamed A; Singh, Vivek Kumar; Puig, Domenec; Abdel-Nasser, Mohamed
Departament: Enginyeria Informàtica i Matemàtiques
Autor/s de la URV: Abdelnasser Mohamed Mahmoud, Mohamed / Puig Valls, Domènec Savi
Paraules clau: Breast cancer Cad systems Radiomics Ultrasound imaging Vision transformer Vision transformers
Resum: Breast cancer must be detected early to reduce the mortality rate. Ultrasound images can make it easier for the clinician to diagnose cases of dense breasts. This study presents a deep vision transformer-based approach for predicting breast cancer malignancy scores from ultrasound images. In particular, various state-of-the-art deep vision transformers such as BEiT, CaiT, Swin, XCiT, and VisFormer are adapted and trained to extract robust radiomics to classify breast tumors in ultrasound images as benign or malignant. The best-performing model is used to predict the malignancy score of each input ultrasound image. Experimental results revealed that the proposed approach achieves promising results for the detection of malignant tumors of the breast on ultrasound images.
Àrees temàtiques: Artificial intelligence Ciências agrárias i Comunicació i informació Engenharias iii Engenharias iv General o multidisciplinar Información y documentación Interdisciplinar Medicina ii
Accès a la llicència d'ús: https://creativecommons.org/licenses/by/3.0/es/
Adreça de correu electrònic de l'autor: domenec.puig@urv.cat mohamed.abdelnasser@urv.cat
Identificador de l'autor: 0000-0002-0562-4205 0000-0002-1074-2441
Data d'alta del registre: 2024-10-12
Versió de l'article dipositat: info:eu-repo/semantics/publishedVersion
Enllaç font original: https://ebooks.iospress.nl/doi/10.3233/FAIA220351
Referència a l'article segons font original: Frontiers In Artificial Intelligence And Applications. 356 298-307
Referència de l'ítem segons les normes APA: Hassanien, Mohamed A; Singh, Vivek Kumar; Puig, Domenec; Abdel-Nasser, Mohamed (2022). Transformer-Based Radiomics for Predicting Breast Tumor Malignancy Score in Ultrasonography. Amsterdam: IOS Press
URL Document de llicència: https://repositori.urv.cat/ca/proteccio-de-dades/
DOI de l'article: 10.3233/FAIA220351
Entitat: Universitat Rovira i Virgili
Any de publicació de la revista: 2022
Tipus de publicació: Proceedings Paper