論文の概要: Review on Computer Vision in Gastric Cancer: Potential Efficient Tools
for Diagnosis
- arxiv url: http://arxiv.org/abs/2005.09459v2
- Date: Sun, 31 May 2020 20:02:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-02 05:51:36.851684
- Title: Review on Computer Vision in Gastric Cancer: Potential Efficient Tools
for Diagnosis
- Title（参考訳）: 胃癌のコンピュータビジョン : 診断に有効なツール
- Authors: Yihua Sun
- Abstract要約: 本総説は,胃癌に対するコンピュータビジョンの進歩に焦点を当てたものである。
データ生成と拡張の異なる方法が提示される。
より正確な診断とタイムリーな治療を支援するため,分類・分節技術について論じる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Rapid diagnosis of gastric cancer is a great challenge for clinical doctors.
Dramatic progress of computer vision on gastric cancer has been made recently
and this review focuses on advances during the past five years. Different
methods for data generation and augmentation are presented, and various
approaches to extract discriminative features compared and evaluated.
Classification and segmentation techniques are carefully discussed for
assisting more precise diagnosis and timely treatment. For classification,
various methods have been developed to better proceed specific images, such as
images with rotation and estimated real-timely (endoscopy), high resolution
images (histopathology), low diagnostic accuracy images (X-ray), poor contrast
images of the soft-tissue with cavity (CT) or those images with insufficient
annotation. For detection and segmentation, traditional methods and machine
learning methods are compared. Application of those methods will greatly reduce
the labor and time consumption for the diagnosis of gastric cancers.
- Abstract（参考訳）: 胃癌の迅速診断は臨床医にとって大きな課題である。
近年,胃癌に対するコンピュータビジョンの進歩が進展しており,本研究は過去5年間の進歩に焦点を当てている。
データ生成と拡張の異なる方法が提示され、識別的特徴を抽出するための様々なアプローチが比較および評価された。
より正確な診断とタイムリーな治療を支援するために、分類と分割手法を慎重に検討する。
分類のために, 回転像とリアルタイム推定像(内視鏡), 高分解能像(病理組織学), 低診断精度像(x線), 軟部組織像(ct)の造影不良像, アノテーション不足像など, 特定の画像の進行性を改善するための様々な方法が開発されている。
検出とセグメンテーションには、従来の方法と機械学習方法が比較される。
これらの方法の応用は、胃癌の診断における労力と時間消費を大幅に削減する。
関連論文リスト
- Empowering Medical Imaging with Artificial Intelligence: A Review of
Machine Learning Approaches for the Detection, and Segmentation of COVID-19
Using Radiographic and Tomographic Images [2.232567376976564]
2019年以降、コロナウイルスとその新規株の世界的な普及により、新たな感染が急増している。
X線およびCTイメージング技術の使用は、新型コロナウイルスの診断と管理に重要である。
本稿では、機械学習(ML)を用いた新型コロナウイルスの診断のための医療画像の改善手法に焦点を当てた。
論文 参考訳（メタデータ） (2024-01-13T09:17:39Z) - 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) - ECPC-IDS:A benchmark endometrail cancer PET/CT image dataset for
evaluation of semantic segmentation and detection of hypermetabolic regions [7.420919215687338]
子宮内膜癌は女性の生殖系において最も一般的な腫瘍の1つである。
このデータセットは、多数の画像を持つ子宮内膜癌の最初の公開データセットである。
論文 参考訳（メタデータ） (2023-08-16T12:18:27Z) - Computer-Aided Cancer Diagnosis via Machine Learning and Deep Learning:
A comparative review [0.0]
腫瘍や組織を早期に検出する上で,大幅な改善が見られた。
画像における大きな相違点に関連するがん研究の課題について論じる。
肺・乳癌・皮膚がんの分野では,いくつかの顕著な結果が得られている。
論文 参考訳（メタデータ） (2022-10-19T19:30:56Z) - Mammograms Classification: A Review [0.0]
マンモグラム画像はコンピュータ支援診断システムの開発に利用されてきた。
研究者たちは、人工知能が病気の早期発見に利用できることを証明した。
論文 参考訳（メタデータ） (2022-03-04T19:22:35Z) - 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) - Practical X-ray Gastric Cancer Screening Using Refined Stochastic Data Augmentation and Hard Boundary Box Training [2.254041925375415]
提案システムは,90.2%の胃癌に対する感度(SE)を専門家(85.5%)より高い精度で達成する。
検出された5つの候補ボックスのうち2つは癌であり、画像当たり0.01秒の速度で画像を処理しながら高い精度を維持している。
論文 参考訳（メタデータ） (2021-08-18T14:04:52Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳（メタデータ） (2021-03-19T14:13:56Z) - 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) - Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo
Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。
我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文 参考訳（メタデータ） (2020-07-02T12:00:53Z) - Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。
提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
論文 参考訳（メタデータ） (2020-02-03T22:25:01Z)
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。