論文の概要: MeDaS: An open-source platform as service to help break the walls
between medicine and informatics
- arxiv url: http://arxiv.org/abs/2007.06013v2
- Date: Tue, 14 Jul 2020 01:59:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 06:04:29.274263
- Title: MeDaS: An open-source platform as service to help break the walls
between medicine and informatics
- Title（参考訳）: medas: 医療とインフォマティクスの間の壁を壊すためのオープンソースのプラットフォーム・アズ・サービス
- Authors: Liang Zhang, Johann Li, Ping Li, Xiaoyuan Lu, Peiyi Shen, Guangming
Zhu, Syed Afaq Shah, Mohammed Bennarmoun, Kun Qian, Bj\"orn W. Schuller
- Abstract要約: 私たちはMeDicalのオープンソースプラットフォームであるMeDaSをサービスとして提案します。
MeDaSは、DL関連ツールキットを使用して、医学的背景から研究者が容易に利用できる、協調的でインタラクティブなサービスである。
提案するMeDaSプラットフォームは,RINVの考え方に基づく一連のツールキットとユーティリティに基づいて,医用画像解析に必要な前処理,後処理,拡張,可視化,その他のフェーズを実装できる。
- 参考スコア（独自算出の注目度）: 20.618938647463654
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In the past decade, deep learning (DL) has achieved unprecedented success in
numerous fields including computer vision, natural language processing, and
healthcare. In particular, DL is experiencing an increasing development in
applications for advanced medical image analysis in terms of analysis,
segmentation, classification, and furthermore. On the one hand, tremendous
needs that leverage the power of DL for medical image analysis are arising from
the research community of a medical, clinical, and informatics background to
jointly share their expertise, knowledge, skills, and experience. On the other
hand, barriers between disciplines are on the road for them often hampering a
full and efficient collaboration. To this end, we propose our novel open-source
platform, i.e., MeDaS -- the MeDical open-source platform as Service. To the
best of our knowledge, MeDaS is the first open-source platform proving a
collaborative and interactive service for researchers from a medical background
easily using DL related toolkits, and at the same time for scientists or
engineers from information sciences to understand the medical knowledge side.
Based on a series of toolkits and utilities from the idea of RINV (Rapid
Implementation aNd Verification), our proposed MeDaS platform can implement
pre-processing, post-processing, augmentation, visualization, and other phases
needed in medical image analysis. Five tasks including the subjects of lung,
liver, brain, chest, and pathology, are validated and demonstrated to be
efficiently realisable by using MeDaS.
- Abstract（参考訳）: 過去10年間、ディープラーニング(DL)はコンピュータビジョン、自然言語処理、医療など多くの分野で前例のない成功を収めてきた。
特にDLは, 分析, セグメンテーション, 分類などの観点から, 高度な医用画像解析への応用が進んでいる。
一方,医学的,臨床的,情報学的な背景を持つ研究コミュニティから,医学的,知識的,スキル的,経験的知識を共同で共有するDLの力を活用した膨大なニーズが生まれている。
一方で、規律間の障壁は、しばしばフルで効率的なコラボレーションを妨げるため、進行中です。
この目的のために、私たちはMeDicalオープンソースプラットフォームであるMeDaSという新しいオープンソースプラットフォームを提案しています。
私たちの知識を最大限に活用するために、MeDaSは、医学的背景から研究者が簡単にDL関連ツールキットを使って、共同で対話的なサービスを証明し、同時に情報科学の科学者やエンジニアが医療知識の側面を理解するための最初のオープンソースプラットフォームです。
提案するMeDaSプラットフォームは,RINV(Rapid implementation aNd Verification)の考え方に基づく一連のツールキットとユーティリティに基づいて,医療画像解析に必要な前処理,後処理,拡張,可視化,その他のフェーズを実装できる。
肺,肝臓,脳,胸部,病理などの5つの課題を検証し,MeDaSを用いて効率よく実現可能であることを実証した。
関連論文リスト
- A Survey of Medical Vision-and-Language Applications and Their Techniques [48.268198631277315]
医療ビジョン・アンド・ランゲージモデル(MVLM)は、複雑な医療データを解釈するための自然言語インタフェースを提供する能力から、大きな関心を集めている。
本稿では,MVLMの概要と適用した各種医療課題について概観する。
また、これらのタスクに使用するデータセットについても検討し、標準化された評価指標に基づいて異なるモデルの性能を比較した。
論文 参考訳（メタデータ） (2024-11-19T03:27:05Z) - MedKP: Medical Dialogue with Knowledge Enhancement and Clinical Pathway
Encoding [48.348511646407026]
本稿では,知識向上と臨床パスウェイ符号化フレームワークを用いた医療対話について紹介する。
このフレームワークは、医療知識グラフを介して外部知識増強モジュールと、医療機関および医師の行動を介して、内部臨床経路をコードする。
論文 参考訳（メタデータ） (2024-03-11T10:57:45Z) - Review of multimodal machine learning approaches in healthcare [0.0]
臨床医は、情報的な判断をするために、さまざまなデータソースに依存しています。
機械学習の最近の進歩は、より効率的なマルチモーダルデータの取り込みを促進する。
論文 参考訳（メタデータ） (2024-02-04T12:21:38Z) - A scoping review on multimodal deep learning in biomedical images and
texts [29.10320016193946]
マルチモーダルディープラーニングは、バイオメディカルデータの分析と解釈に革命をもたらす可能性がある。
本研究では,5つのタスクにおけるマルチモーダル深層学習の現在の利用状況について検討した。
論文 参考訳（メタデータ） (2023-07-14T14:08:54Z) - Towards Medical Artificial General Intelligence via Knowledge-Enhanced
Multimodal Pretraining [121.89793208683625]
医療人工知能(MAGI)は、1つの基礎モデルで異なる医療課題を解くことができる。
我々は、Micical-knedge-enhanced mulTimOdal pretRaining (motoR)と呼ばれる新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-04-26T01:26:19Z) - ChatCAD: Interactive Computer-Aided Diagnosis on Medical Image using
Large Language Models [53.73049253535025]
大規模言語モデル(LLM)は、最近臨床応用においてその可能性を実証している。
本稿では,LLMを医療画像CADネットワークに統合する手法を提案する。
LLMの医用領域知識と論理的推論の強みを、既存の医用画像CADモデルの視覚理解能力と融合させることが目的である。
論文 参考訳（メタデータ） (2023-02-14T18:54:06Z) - Align, Reason and Learn: Enhancing Medical Vision-and-Language
Pre-training with Knowledge [68.90835997085557]
本稿では,3つの視点から構造化された医療知識を高めるための体系的かつ効果的なアプローチを提案する。
まず、視覚エンコーダと言語エンコーダの表現を知識を通して整列する。
次に,多モード融合モデルに知識を注入し,入力画像とテキストの補足として知識を用いた推論を可能にする。
第3に、知識によって引き起こされるプレテキストタスクを設計することで、画像やテキストの最も重要な情報に重点を置くよう、モデルを指導する。
論文 参考訳（メタデータ） (2022-09-15T08:00:01Z) - An overview of deep learning in medical imaging [0.0]
ディープラーニング(DL)システムは、幅広い分野にまたがる最先端のMLシステムである。
最近の進歩は医療分野に多大な改善をもたらす可能性がある。
近年,医療用画像用DLの分野での問題点が報告されている。
論文 参考訳（メタデータ） (2022-02-17T09:44:57Z) - Cross-Modal Information Maximization for Medical Imaging: CMIM [62.28852442561818]
病院では、同じ情報を異なるモダリティの下で利用できるようにする特定の情報システムにデータがサイロ化される。
これは、テスト時に常に利用できないかもしれない同じ情報の複数のビューを列車で取得し、使用するためのユニークな機会を提供する。
テスト時にモダリティの低下に耐性を持つマルチモーダル入力の優れた表現を学習することで、利用可能なデータを最大限活用する革新的なフレームワークを提案する。
論文 参考訳（メタデータ） (2020-10-20T20:05:35Z)
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。