論文の概要: Deep Learning in Computer-Aided Diagnosis and Treatment of Tumors: A Survey

• arxiv url: http://arxiv.org/abs/2011.00940v1
• Date: Mon, 2 Nov 2020 12:42:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 12:51:05.295549
• Title: Deep Learning in Computer-Aided Diagnosis and Treatment of Tumors: A Survey
• Title（参考訳）: コンピュータ支援による腫瘍の診断・治療における深層学習
• Authors: Dan Zhao, Guizhi Xu, Zhenghua XU, Thomas Lukasiewicz, Minmin Xue, Zhigang Fu
• Abstract要約: 近年,腫瘍の診断・治療が深層学習の話題となっている。 本研究は, 腫瘍のコンピュータ診断・治療における深層学習の応用について述べる。
• 参考スコア（独自算出の注目度）: 42.16618852663992
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computer-Aided Diagnosis and Treatment of Tumors is a hot topic of deep learning in recent years, which constitutes a series of medical tasks, such as detection of tumor markers, the outline of tumor leisures, subtypes and stages of tumors, prediction of therapeutic effect, and drug development. Meanwhile, there are some deep learning models with precise positioning and excellent performance produced in mainstream task scenarios. Thus follow to introduce deep learning methods from task-orient, mainly focus on the improvements for medical tasks. Then to summarize the recent progress in four stages of tumor diagnosis and treatment, which named In-Vitro Diagnosis (IVD), Imaging Diagnosis (ID), Pathological Diagnosis (PD), and Treatment Planning (TP). According to the specific data types and medical tasks of each stage, we present the applications of deep learning in the Computer-Aided Diagnosis and Treatment of Tumors and analyzing the excellent works therein. This survey concludes by discussing research issues and suggesting challenges for future improvement.
• Abstract（参考訳）: コンピュータ支援による腫瘍の診断と治療は近年のディープラーニングのホットトピックであり、腫瘍マーカーの検出、腫瘍の余暇のアウトライン、腫瘍のサブタイプとステージ、治療効果の予測、薬物開発など、一連の医療課題を構成する。 一方、メインストリームのタスクシナリオで発生する正確な位置決めと優れたパフォーマンスを備えたディープラーニングモデルもある。 このようにして、主に医療タスクの改善に焦点を当てたタスク指向の深層学習手法を導入する。 In-Vitro diagnosis (IVD) , Imaging diagnosis (ID) , Pathological diagnosis (PD) , Treatment Planning (TP) と命名された4段階の腫瘍診断と治療の最近の進歩を要約する。 各ステージの特定のデータタイプと医療課題に基づき,コンピュータ支援腫瘍診断・治療における深層学習の応用と,その優れた研究成果の分析を行った。 この調査は、研究課題を議論し、今後の改善に向けた課題を提案することで締めくくられる。

関連論文リスト

• Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
  特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。 本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
  論文  参考訳（メタデータ） (2024-07-08T09:08:42Z)
• A Survey of Models for Cognitive Diagnosis: New Developments and Future Directions [66.40362209055023]
  本研究の目的は,認知診断の現在のモデルについて,機械学習を用いた新たな展開に注目した調査を行うことである。 モデル構造,パラメータ推定アルゴリズム,モデル評価方法,適用例を比較して,認知診断モデルの最近の傾向を概観する。
  論文  参考訳（メタデータ） (2024-07-07T18:02:00Z)
• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• Alzheimers Disease Diagnosis by Deep Learning Using MRI-Based Approaches [0.0]
  アルツハイマー病はいくつかの脳の過程(記憶など)を弱め、最終的に死に至る。 ディープラーニングアルゴリズムは、入力された生データからパターン認識と特徴抽出を行うことができる。 我々は,2021年から2023年にかけてのMRIに基づくディープラーニングアルゴリズムを用いて,アルツハイマー病の診断に焦点を当てた5つの特定の研究を分析した。
  論文  参考訳（メタデータ） (2023-10-26T19:48:08Z)
• Can GPT-4V(ision) Serve Medical Applications? Case Studies on GPT-4V for Multimodal Medical Diagnosis [59.35504779947686]
  GPT-4VはOpenAIの最新のマルチモーダル診断モデルである。 評価対象は17の人体システムである。 GPT-4Vは、医用画像のモダリティと解剖学を区別する能力を示す。 疾患の診断と包括的報告作成において重大な課題に直面している。
  論文  参考訳（メタデータ） (2023-10-15T18:32:27Z)
• AI in Thyroid Cancer Diagnosis: Techniques, Trends, and Future Directions [3.2071249735671348]
  本報告では, 甲状腺癌の診断に使用される人工知能(AI)技術に関する大量の論文を要約する。 この研究は、教師なし、教師なし、またはハイブリッド技術を通じて、AIベースのツールが甲状腺癌の診断と治療をどのようにサポートするかに焦点を当てている。
  論文  参考訳（メタデータ） (2023-08-25T17:27:53Z)
• Deep learning methods for drug response prediction in cancer: predominant and emerging trends [50.281853616905416]
  がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。 最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。 このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
  論文  参考訳（メタデータ） (2022-11-18T03:26:31Z)
• Deep Multi-modal Fusion of Image and Non-image Data in Disease Diagnosis and Prognosis: A Review [8.014632186417423]
  医療における診断技術の急速な発展は、医師が日常的に発生する異質で相補的なデータを扱い、統合することの要求が高まっている。 近年のマルチモーダルディープラーニング技術の発展に伴い、我々はどのようにして多モーダル情報を抽出して集約し、究極的にはより客観的で定量的なコンピュータ支援の臨床的意思決定を提供するかという重要な疑問に、ますます多くの努力が注がれている。 本総説では,(1)現在のマルチモーダル・ラーニングの概要,(2)マルチモーダル・フュージョン法の要約,(3)パフォーマンスの議論,(4)疾患診断と予後の応用,(5)課題と将来について概説する。
  論文  参考訳（メタデータ） (2022-03-25T18:50:03Z)
• Machine Learning Applications on Neuroimaging for Diagnosis and Prognosis of Epilepsy: A Review [6.185653026582807]
  てんかんの診断と予後の文脈におけるニューロイメージングと機械学習の相互作用を強調した。 本稿では,2段階構成法とエンドツーエンド法という2つの手法を用いて,ニューロイメージングデータに機械学習手法を適用する。 セグメンテーション、ローカライゼーション、横方向化タスクなど、てんかん性画像における機械学習タスクの詳細なレビューを行う。
  論文  参考訳（メタデータ） (2021-02-05T18:39:12Z)
• Deep Learning Based Brain Tumor Segmentation: A Survey [26.933777009547047]
  脳腫瘍のセグメンテーションは、医療画像解析において最も難しい問題の一つである。 深層学習法は様々なコンピュータビジョン問題の解法において有望な性能を示した。 この調査では100以上の科学論文が選定され議論されている。
  論文  参考訳（メタデータ） (2020-07-18T17:14:50Z)

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。