Fugu-MT 論文翻訳(概要): OPTIMAM Mammography Image Database: a large scale resource of mammography images and clinical data

論文の概要: OPTIMAM Mammography Image Database: a large scale resource of mammography images and clinical data

arxiv url: http://arxiv.org/abs/2004.04742v1
Date: Thu, 9 Apr 2020 17:12:13 GMT
ステータス: 処理完了
システム内更新日: 2023-05-25 08:32:48.168395
Title: OPTIMAM Mammography Image Database: a large scale resource of mammography images and clinical data
Title（参考訳）: OPTIMAMマンモグラフィー画像データベース:マンモグラフィー画像と臨床データの大規模資源
Authors: Mark D Halling-Brown, Lucy M Warren, Dominic Ward, Emma Lewis, Alistair Mackenzie, Matthew G Wallis, Louise Wilkinson, Rosalind M Given-Wilson, Rita McAvinchey and Kenneth C Young
Abstract要約: 医療画像研究の大きな障壁は、他の研究者と画像を共有する医療画像の大規模なデータベースがないことである。 OPTIMAM画像データベース(OMI-DB)は,これらの障壁を克服するために開発された。このデータベースには、イギリスの3つの乳房検診センターから集めた173,319人の女性の画像が250万枚以上含まれている。
参考スコア（独自算出の注目度）: 0.2600410195810869
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A major barrier to medical imaging research and in particular the development of artificial intelligence (AI) is a lack of large databases of medical images which share images with other researchers. Without such databases it is not possible to train generalisable AI algorithms, and large amounts of time and funding is spent collecting smaller datasets at individual research centres. The OPTIMAM image database (OMI-DB) has been developed to overcome these barriers. OMI-DB consists of several relational databases and cloud storage systems, containing mammography images and associated clinical and pathological information. The database contains over 2.5 million images from 173,319 women collected from three UK breast screening centres. This includes 154,832 women with normal breasts, 6909 women with benign findings, 9690 women with screen-detected cancers and 1888 women with interval cancers. Collection is on-going and all women are followed-up and their clinical status updated according to subsequent screening episodes. The availability of prior screening mammograms and interval cancers is a vital resource for AI development. Data from OMI-DB has been shared with over 30 research groups and companies, since 2014. This progressive approach has been possible through sharing agreements between the funder and approved academic and commercial research groups. A research dataset such as the OMI-DB provides a powerful resource for research.
Abstract（参考訳）: 医用画像研究、特に人工知能(AI)の開発における大きな障壁は、他の研究者と画像を共有する医療画像の大規模なデータベースがないことである。このようなデータベースがなければ、汎用的なAIアルゴリズムをトレーニングすることは不可能であり、個々の研究センターで小さなデータセットの収集に大量の時間と資金が費やされている。 OPTIMAM画像データベース(OMI-DB)は,これらの障壁を克服するために開発された。 OMI-DBはいくつかのリレーショナルデータベースとクラウドストレージシステムで構成され、マンモグラフィー画像と関連する臨床および病理情報を含んでいる。このデータベースには、イギリスの3つの乳房検診センターから集めた173,319人の女性の画像が250万枚以上含まれている。正常な乳癌154,832人、良性所見6909人、スクリーン検出癌9690人、インターバル癌1888人を含む。コレクションは継続中であり、すべての女性はフォローアップされ、その後のスクリーニングエピソードに従って臨床状態が更新される。事前検診のマンモグラフィーとインターバル癌が利用できることは、AI開発に欠かせない資源である。 OMI-DBのデータは2014年から30以上の研究グループや企業と共有されている。この進歩的なアプローチは、資金提供者と承認された学術研究グループと商業研究グループの間で合意を共有することによって可能になった。 OMI-DBのような研究データセットは、研究のための強力なリソースを提供する。

関連論文リスト

RadGenome-Chest CT: A Grounded Vision-Language Dataset for Chest CT Analysis [56.57177181778517]
RadGenome-Chest CTはCT-RATEに基づく大規模3次元胸部CT解釈データセットである。私たちは、最新の強力なユニバーサルセグメンテーションと大きな言語モデルを活用して、元のデータセットを拡張します。
論文参考訳（メタデータ） (2024-04-25T17:11:37Z)
M3D: Advancing 3D Medical Image Analysis with Multi-Modal Large Language Models [49.5030774873328]
これまでの研究は主に2Dの医療画像に焦点を合わせてきた。 120K画像テキスト対と62K命令応答対からなる大規模3次元マルチモーダル医療データセットM3D-Dataを提案する。また,新しい3次元マルチモーダル・メディカル・ベンチマークであるM3D-Benchを導入し,8つのタスクにまたがる自動評価を容易にする。
論文参考訳（メタデータ） (2024-03-31T06:55:12Z)
Breast Ultrasound Report Generation using LangChain [58.07183284468881]
本稿では,Large Language Models (LLM) を用いたLangChainによる複数の画像解析ツールを胸部報告プロセスに統合することを提案する。本手法は,超音波画像から関連する特徴を正確に抽出し,臨床的文脈で解釈し,包括的で標準化された報告を生成する。
論文参考訳（メタデータ） (2023-12-05T00:28:26Z)
BMAD: Benchmarks for Medical Anomaly Detection [51.22159321912891]
異常検出(AD)は、機械学習とコンピュータビジョンの基本的な研究課題である。医用画像では、ADはまれな疾患や病態を示す可能性のある異常の検出と診断に特に重要である。医用画像の異常検出方法を評価するための総合評価ベンチマークを導入する。
論文参考訳（メタデータ） (2023-06-20T20:23:46Z)
A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。 Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
論文参考訳（メタデータ） (2023-04-12T05:41:44Z)
Breast Cancer Classification using Deep Learned Features Boosted with Handcrafted Features [0.0]
早期発見・分類・診断の枠組みを考えることは,研究コミュニティにとって最も重要である。本稿では,マンモグラフィーを用いた乳癌の分類のための新しい枠組みを提案する。提案するフレームワークは,新しい畳み込みニューラルネットワーク(CNN)機能から抽出したロバストな特徴と手作りの機能を組み合わせたものである。
論文参考訳（メタデータ） (2022-06-26T07:54:09Z)
Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
論文参考訳（メタデータ） (2022-04-22T17:27:00Z)
VinDr-Mammo: A large-scale benchmark dataset for computer-aided diagnosis in full-field digital mammography [0.5452925161262461]
VinDr-Mammoはフルフィールドデジタルマンモグラフィー(FFDM)の新しいベンチマークデータセットであるデータセットは5000のマンモグラフィー試験で構成され、それぞれが4つの標準ビューを持ち、意見の相違を伴って読み上げられている。乳房画像報告・データシステム(BI-RADS)と乳房レベルの密度を評価するために作成される。
論文参考訳（メタデータ） (2022-03-20T18:17:42Z)
The EMory BrEast imaging Dataset (EMBED): A Racially Diverse, Granular Dataset of 3.5M Screening and Diagnostic Mammograms [2.243792799100692]
EMory BrEast画像データセットには3650,000の2Dと診断用マンモグラフィーが含まれており、白人とアフリカ系アメリカ人の患者に等しく分けられている。私たちの目標は、このデータセットを研究パートナーと共有し、すべての患者に公平に提供し、医療AIのバイアスを減らすための乳房AIモデルの開発と検証を支援することです。
論文参考訳（メタデータ） (2022-02-08T14:40:59Z)
Artificial Intelligence For Breast Cancer Detection: Trends & Directions [0.0]
本稿では,乳がん検診の自動化に研究者が用いた様々な画像モダリティを解析する。この記事では、過去10年間に提案されたAIとコンピュータビジョンに基づく最先端の手法を要約し、乳癌を検出する。
論文参考訳（メタデータ） (2021-10-03T07:22:21Z)
Detection of masses and architectural distortions in digital breast tomosynthesis: a publicly available dataset of 5,060 patients and a deep learning model [4.3359550072619255]
乳房トモシンセシス画像の大規模データセットをキュレートし,公開している。 5,060人の患者から5,610人を対象にした22,032冊の復元版がある。我々は単相深層学習検出モデルを開発し、将来の研究のベースラインとしてデータセットを用いてテストした。
論文参考訳（メタデータ） (2020-11-13T18:33:31Z)

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。