論文の概要: 3D Neural Network for Lung Cancer Risk Prediction on CT Volumes
- arxiv url: http://arxiv.org/abs/2007.12898v1
- Date: Sat, 25 Jul 2020 10:01:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 01:17:11.568603
- Title: 3D Neural Network for Lung Cancer Risk Prediction on CT Volumes
- Title(参考訳): CTボリュームの肺がんリスク予測のための3次元ニューラルネットワーク
- Authors: Daniel Korat
- Abstract要約: 肺がんはアメリカ合衆国で最も多いがん死の原因である。
肺がんCT検査は、死亡率を40%まで下げることが示されている。
放射線診断の基準が採用されているにもかかわらず, 経年変化が持続的であり, 包括的画像所見の不完全な特徴が現在の方法の限界として残っている。
本稿では,肺がんリスク予測のための最先端ディープラーニングアルゴリズムを再現する。
- 参考スコア(独自算出の注目度): 0.6810862244331126
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With an estimated 160,000 deaths in 2018, lung cancer is the most common
cause of cancer death in the United States. Lung cancer CT screening has been
shown to reduce mortality by up to 40% and is now included in US screening
guidelines. Reducing the high error rates in lung cancer screening is
imperative because of the high clinical and financial costs caused by diagnosis
mistakes. Despite the use of standards for radiological diagnosis, persistent
inter-grader variability and incomplete characterization of comprehensive
imaging findings remain as limitations of current methods. These limitations
suggest opportunities for more sophisticated systems to improve performance and
inter-reader consistency. In this report, we reproduce a state-of-the-art deep
learning algorithm for lung cancer risk prediction. Our model predicts
malignancy probability and risk bucket classification from lung CT studies.
This allows for risk categorization of patients being screened and suggests the
most appropriate surveillance and management. Combining our solution high
accuracy, consistency and fully automated nature, our approach may enable
highly efficient screening procedures and accelerate the adoption of lung
cancer screening.
- Abstract(参考訳): 2018年時点で推定16万人が死亡しており、アメリカ合衆国では肺がんが最も多い死因である。
肺癌のctスクリーニングは死亡率を最大40%削減することが示されており、現在は米国スクリーニングガイドラインに含まれている。
肺がん検診における誤診率の低減は, 診断ミスによる臨床的, 財政的コストが高いため重要である。
放射線診断基準は使用されていないが, 総合的な画像所見の持続的変化と不完全性は, 現在の方法の限界として残されている。
これらの制限は、より高度なシステムがパフォーマンスと読み出し間の一貫性を改善する機会を示唆している。
本稿では,肺癌リスク予測のための最先端のディープラーニングアルゴリズムを再現する。
本モデルは肺ct検査から悪性度確率とリスクバケット分類を予測する。
これにより、検査対象患者のリスク分類が可能になり、最も適切な監視と管理を示唆する。
ソリューションの精度,一貫性,完全自動化の両立により,高効率な検診が可能となり,肺癌検診の実施が促進される可能性がある。
関連論文リスト
- Application analysis of ai technology combined with spiral CT scanning
in early lung cancer screening [15.6839495538166]
肺癌患者の5年間の生存率は、まだ20%以下であり、進行している。
近年、人工知能技術が腫瘍学に徐々に応用され始めている。
本研究は, 早期肺癌検診において, 安全かつ効率的な検診方法を見いだす目的で, 組み合わせた方法を適用した。
論文 参考訳(メタデータ) (2024-01-26T07:58:09Z) - Double Integral Enhanced Zeroing Neural Network Optimized with ALSOA
fostered Lung Cancer Classification using CT Images [1.1510009152620668]
肺がんは最も致命的な疾患の1つであり、疾患や死亡の原因となっている。
提案手法は既存の手法で解析した18.32%,27.20%,34.32%の精度で得られた。
論文 参考訳(メタデータ) (2023-12-05T10:53:35Z) - Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep
Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。
金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。
本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
論文 参考訳(メタデータ) (2023-04-12T15:08:34Z) - Artificial intelligence based prediction on lung cancer risk factors
using deep learning [0.0]
早期の症状の捕捉と定義は、患者にとって最も難しい段階の1つである。
深層学習手法を用いて,肺がんを極めて高い精度で検出できるモデルを開発した。
その結果, 精度は94%, 最小損失は0.1%であった。
論文 参考訳(メタデータ) (2023-04-11T08:57:15Z) - Penalized Deep Partially Linear Cox Models with Application to CT Scans
of Lung Cancer Patients [42.09584755334577]
肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。
NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。
本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
論文 参考訳(メタデータ) (2023-03-09T15:38:16Z) - SGDA: Towards 3D Universal Pulmonary Nodule Detection via Slice Grouped
Domain Attention [47.44114201293201]
肺がんは世界中でがんの死因となっている。
現在の肺結節検出法は通常ドメイン固有である。
肺結節検出ネットワークの一般化能力を高めるために,スライスグループドメインアテンション(SGDA)モジュールを提案する。
論文 参考訳(メタデータ) (2023-03-07T03:17:49Z) - Deep Learning Approach for Early Stage Lung Cancer Detection [0.0]
肺癌患者の生存率は遅発診断による他のがん患者と比較して非常に低い。
本稿ではCTスキャンによる早期肺癌の予測と診断のためのディープラーニングモデルを提案する。
論文 参考訳(メタデータ) (2023-02-05T18:50:12Z) - CancerUniT: Towards a Single Unified Model for Effective Detection,
Segmentation, and Diagnosis of Eight Major Cancers Using a Large Collection
of CT Scans [45.83431075462771]
ヒトの読者や放射線医は、臨床実践において、全身多臓器多臓器の検出と診断を日常的に行う。
ほとんどの医療用AIシステムは、いくつかの疾患のリストの狭い単一の臓器に焦点を当てて構築されている。
CancerUniT は、マルチ腫瘍予測の出力を持つクエリベースの Mask Transformer モデルである。
論文 参考訳(メタデータ) (2023-01-28T20:09:34Z) - Early Diagnosis of Lung Cancer Using Computer Aided Detection via Lung
Segmentation Approach [0.1749935196721634]
アメリカがん協会は、がんによる死亡件数の約27%を推定している。
その進化の初期段階では、肺がんは通常は症状を起こさない。
多くの患者は、症状がより顕著になり、治療が不十分で死亡率の高い進行期に診断されている。
論文 参考訳(メタデータ) (2021-07-23T05:46:06Z) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳(メタデータ) (2021-05-25T12:06:55Z) - Deep Learning for Automatic Pneumonia Detection [72.55423549641714]
肺炎は小児の主要な死因であり、世界でも最多死亡率の1つである。
コンピュータ支援診断システムは診断精度を向上させる可能性を示した。
本研究では, 単発検出, 圧縮励起深部畳み込みニューラルネットワーク, 拡張, マルチタスク学習に基づく肺炎領域検出のための計算手法を開発した。
論文 参考訳(メタデータ) (2020-05-28T10:54:34Z)
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。