論文の概要: Reduction of Surgical Risk Through the Evaluation of Medical Imaging
Diagnostics
- arxiv url: http://arxiv.org/abs/2003.08748v1
- Date: Sun, 8 Mar 2020 17:06:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-25 14:15:54.115887
- Title: Reduction of Surgical Risk Through the Evaluation of Medical Imaging
Diagnostics
- Title（参考訳）: 医用画像診断の評価による手術リスクの低減
- Authors: Marco A. V. M. Grinet, Nuno M. Garcia, Ana I. R. Gouveia, Jose A. F.
Moutinho, Abel J. P. Gomes
- Abstract要約: 近年,乳腺癌 (BRCA) 画像のコンピュータ支援診断 (CAD) が研究の活発な領域となっている。
BRCA患者のMRIおよびマンモグラフィー画像に応用したCAD法の現状について概説する。
- 参考スコア（独自算出の注目度）: 1.1820016828765219
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Computer aided diagnosis (CAD) of Breast Cancer (BRCA) images has been an
active area of research in recent years. The main goals of this research is to
develop reliable automatic methods for detecting and diagnosing different types
of BRCA from diagnostic images. In this paper, we present a review of the state
of the art CAD methods applied to magnetic resonance (MRI) and mammography
images of BRCA patients. The review aims to provide an extensive introduction
to different features extracted from BRCA images through texture and
statistical analysis and to categorize deep learning frameworks and data
structures capable of using metadata to aggregate relevant information to
assist oncologists and radiologists. We divide the existing literature
according to the imaging modality and into radiomics, machine learning, or
combination of both. We also emphasize the difference between each modality and
methods strengths and weaknesses and analyze their performance in detecting
BRCA through a quantitative comparison. We compare the results of various
approaches for implementing CAD systems for the detection of BRCA. Each
approachs standard workflow components are reviewed and summary tables
provided. We present an extensive literature review of radiomics feature
extraction techniques and machine learning methods applied in BRCA diagnosis
and detection, focusing on data preparation, data structures, pre processing
and post processing strategies available in the literature. There is a growing
interest on radiomic feature extraction and machine learning methods for BRCA
detection through histopathological images, MRI and mammography images.
However, there isnt a CAD method able to combine distinct data types to provide
the best diagnostic results. Employing data fusion techniques to medical images
and patient data could lead to improved detection and classification results.
- Abstract（参考訳）: 近年,乳腺癌 (BRCA) 画像のコンピュータ支援診断 (CAD) が研究の活発な領域となっている。
本研究の主な目的は,診断画像からBRCAを検出・診断するための信頼性の高い自動診断手法を開発することである。
本稿では, BRCA患者のMRIおよびマンモグラフィー画像に応用したCAD法の現状について概説する。
本研究の目的は, BRCA画像からテクスチャと統計分析を通じて抽出した様々な特徴を広範囲に紹介することであり, メタデータを用いて関連する情報を集約し, 腫瘍学者や放射線学者を支援する深層学習フレームワークとデータ構造を分類することである。
既存の文献を画像のモダリティに応じて分類し,放射線学,機械学習,あるいは両者の組み合わせに分類する。
また,各モダリティと手法の強度と弱さの違いを強調し,定量的比較によりBRCAの検出性能を解析した。
BRCA検出のためのCADシステム実装における各種手法の結果を比較した。
各アプローチの標準ワークフローコンポーネントはレビューされ、概要表が提供される。
本稿では,BRCAの診断・検出に応用された放射能特徴抽出技術と機械学習手法について,データ作成,データ構造,前処理,後処理戦略に着目した広範な文献レビューを行う。
病理組織像,MRIおよびマンモグラフィー画像からBRCA検出のための放射線学的特徴抽出および機械学習手法への関心が高まっている。
しかし、最良の診断結果を提供するために異なるデータ型を組み合わせられるCAD手法は存在しない。
医療画像や患者データにデータ融合技術を用いると、検出と分類結果が改善される可能性がある。
関連論文リスト
- Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。
本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。
その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
論文 参考訳（メタデータ） (2024-10-31T19:48:50Z) - Bridging the Diagnostic Divide: Classical Computer Vision and Advanced AI methods for distinguishing ITB and CD through CTE Scans [2.900410045439515]
放射線医の間では, 内皮-皮下脂肪比は, ITBとCDの鑑別における代用バイオマーカーとして認識されている。
本稿では,この比率計算を自動化するために,皮下脂肪の自動分離のための新しい2次元画像コンピュータビジョンアルゴリズムを提案する。
ITB, CD, 正常患者のサンプルを用いて, CTEスキャンのデータセットを用いてResNet10モデルを訓練し, 75%の精度を得た。
論文 参考訳（メタデータ） (2024-10-23T17:05:27Z) - Mining Gaze for Contrastive Learning toward Computer-Assisted Diagnosis [61.089776864520594]
医用画像のテキストレポートの代替としてアイトラッキングを提案する。
医用画像を読み,診断する際に放射線科医の視線を追跡することにより,その視覚的注意と臨床的理由を理解することができる。
対照的な学習フレームワークのためのプラグイン・アンド・プレイモジュールとして,McGIP (McGIP) を導入した。
論文 参考訳（メタデータ） (2023-12-11T02:27:45Z) - Radiology Report Generation Using Transformers Conditioned with
Non-imaging Data [55.17268696112258]
本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。
提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
論文 参考訳（メタデータ） (2023-11-18T14:52:26Z) - HGT: A Hierarchical GCN-Based Transformer for Multimodal Periprosthetic
Joint Infection Diagnosis Using CT Images and Text [0.0]
補綴関節感染症(PJI)は重篤な合併症である。
現在,CT画像とPJIの数値テキストデータを組み合わせた統一診断基準が確立されていない。
本研究では,ディープラーニングとマルチモーダル技術に基づく診断手法であるHGTを紹介する。
論文 参考訳（メタデータ） (2023-05-29T11:25:57Z) - Multi-Modal Learning Using Physicians Diagnostics for Optical Coherence
Tomography Classification [0.0]
我々は,光学コヒーレンス・トモグラフィーの分析に専門家の診断と知見を取り入れたフレームワークを提案する。
OCTを用いた疾患分類を改善するために,医学診断属性データセットを作成する。
論文 参考訳（メタデータ） (2022-03-20T18:37:20Z) - BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer
Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。
提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。
臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文 参考訳（メタデータ） (2021-10-05T19:14:46Z) - Deep Learning based Multi-modal Computing with Feature Disentanglement
for MRI Image Synthesis [8.363448006582065]
本稿では,MRI合成のための深層学習に基づくマルチモーダル計算モデルを提案する。
提案手法は,各入力モダリティを,共有情報と特定の情報を持つモダリティ固有空間で分割する。
テストフェーズにおける目標モダリティの特定情報の欠如に対処するために、局所適応融合(laf)モジュールを採用してモダリティライクな擬似ターゲットを生成する。
論文 参考訳（メタデータ） (2021-05-06T17:22:22Z) - Fusing Medical Image Features and Clinical Features with Deep Learning
for Computer-Aided Diagnosis [7.99493100852929]
本稿では,MRI/CT画像と臨床情報を融合した新たな深層学習手法を提案する。
本研究では,アルツハイマー病診断,軽度認知障害コンバータ予測,肝微小血管浸潤診断への応用について検討した。
論文 参考訳（メタデータ） (2021-03-10T03:37:21Z) - Machine Learning Methods for Histopathological Image Analysis: A Review [62.14548392474976]
病理組織像 (HIs) は癌診断における腫瘍の種類を評価するための金の基準である。
このような分析を高速化する方法の1つは、コンピュータ支援診断(CAD)システムを使用することである。
論文 参考訳（メタデータ） (2021-02-07T19:12:32Z) - Learning Binary Semantic Embedding for Histology Image Classification
and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。
効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。
3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文 参考訳（メタデータ） (2020-10-07T08:36:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。