Microwave breast Cancer detection and sequential inference with particle flow
Notice bibliographique
Résumé
Microwave breast screening has been proposed as a complementary modality to conventional screening modalities including mammography.Microwave techniques involve no ionization radiation, cause minimal discomfort, and can be fabricated inexpensively.This offers women the opportunity to conduct self-screening on a more regular basis.With frequent screening, the assessment burden on the radiologist becomes unreasonable.The aim of this thesis is to develop detection algorithms customized for automatic breast cancer screening based on microwave scans.The original contributions can be organized into two categories.First, we propose cost-sensitive ensemble detection algorithms for microwave breast cancer detection.We design three ensemble detection structures to fuse information from different antenna pairs to detect abnormalities in the breast.A principled Neyman-Pearson approach is developed to allow the control of the trade-off between the false positive rate and the false negative rate.We evaluate performance using data derived from measurements of heterogeneous breast phantoms and data collected in a clinical trial that monitored 12 healthy patients monthly over an eight-month period.Second, breast cancer screening can be formulated as a sequential inference task involving high-dimensional data.Accordingly, we study and develop novel sequential inference techniques that are effective when applied to high-dimensional models.These techniques are based on recently proposed particle flow filters.We modify particle flow procedures to construct invertible particle flows, which allows efficient evaluation of the proposal densities in a particle filtering framework.We also use clustering to further reduce the computational cost of the flow procedure, and incorporate the invertible particle flow into a Sequential Markov chain Monte Carlo (SMCMC) framework that significantly improves the performance of the state-of-the-art SMCMC algorithm in examined highdimensional filtering settings.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».