論文の概要: What is the State of the Art of Computer Vision-Assisted Cytology? A
Systematic Literature Review
- arxiv url: http://arxiv.org/abs/2105.11277v1
- Date: Mon, 24 May 2021 13:50:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-25 14:58:09.727164
- Title: What is the State of the Art of Computer Vision-Assisted Cytology? A
Systematic Literature Review
- Title（参考訳）: コンピュータビジョン支援細胞学の現状と展望
体系的な文献レビュー
- Authors: Andr\'e Vict\'oria Matias, Jo\~ao Gustavo Atkinson Amorim, Luiz
Antonio Buschetto Macarini, Allan Cerentini, Alexandre Sherlley Casimiro
Onofre, Fabiana Botelho de Miranda Onofre, Felipe Perozzo Dalto\'e, Marcelo
Ricardo Stemmer, Aldo von Wangenheim
- Abstract要約: 現在,細胞診に応用されているコンピュータビジョン技術の現状を明らかにするために,システマティック文献レビューを実施している。
分析された研究で最も使われている方法は深層学習(70論文)であるが、古典的なコンピュータビジョンのみ(101論文)を使用するものは少ない。
結論として,多くの染色に対して高品質なデータセットがまだ存在せず,ほとんどの研究は日常的な臨床診断ルーチンに適用できるほど成熟していない。
- 参考スコア（独自算出の注目度）: 47.42354724922676
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Cytology is a low-cost and non-invasive diagnostic procedure employed to
support the diagnosis of a broad range of pathologies. Computer Vision
technologies, by automatically generating quantitative and objective
descriptions of examinations' contents, can help minimize the chances of
misdiagnoses and shorten the time required for analysis. To identify the
state-of-art of computer vision techniques currently applied to cytology, we
conducted a Systematic Literature Review. We analyzed papers published in the
last 5 years. The initial search was executed in September 2020 and resulted in
431 articles. After applying the inclusion/exclusion criteria, 157 papers
remained, which we analyzed to build a picture of the tendencies and problems
present in this research area, highlighting the computer vision methods,
staining techniques, evaluation metrics, and the availability of the used
datasets and computer code. As a result, we identified that the most used
methods in the analyzed works are deep learning-based (70 papers), while fewer
works employ classic computer vision only (101 papers). The most recurrent
metric used for classification and object detection was the accuracy (33 papers
and 5 papers), while for segmentation it was the Dice Similarity Coefficient
(38 papers). Regarding staining techniques, Papanicolaou was the most employed
one (130 papers), followed by H&E (20 papers) and Feulgen (5 papers). Twelve of
the datasets used in the papers are publicly available, with the DTU/Herlev
dataset being the most used one. We conclude that there still is a lack of
high-quality datasets for many types of stains and most of the works are not
mature enough to be applied in a daily clinical diagnostic routine. We also
identified a growing tendency towards adopting deep learning-based approaches
as the methods of choice.
- Abstract（参考訳）: 細胞診は、幅広い病態の診断を支援するために、低コストで非侵襲的な診断法である。
コンピュータビジョン技術は, 試験内容の量的, 客観的な記述を自動的に生成することにより, 誤診断の可能性を最小化し, 分析に要する時間を短縮することができる。
現在,細胞診に応用されているコンピュータビジョン技術の現状を明らかにするために,システム文献レビューを行った。
我々は過去5年間に出版された論文を分析した。
最初の検索は2020年9月に行われ、431の記事を掲載した。
包括的/排他的基準を適用した後,157の論文が残され,本研究領域に存在する傾向と問題点を考察し,コンピュータビジョン手法,染色技術,評価指標,使用済みデータセットとコンピュータコードの可用性を強調した。
その結果,本研究で最も多く用いられている手法は深層学習ベース(70論文)であり,古典的コンピュータビジョンのみを用いたもの(101論文)は少ない。
分類と物体検出に最も頻繁に用いられる指標は精度(33論文と5論文)であり、セグメンテーションではサイス類似度係数(38論文)であった。
染色技術に関しては、パパニコラウーが最も多く採用され(130紙)、続いてh&e(20紙)とファールゲン(5紙)が続いた。
論文で使用された12のデータセットが公開されており、dtu/herlevデータセットが最も使われている。
結論として,多くの染色に対して高品質なデータセットがまだ存在せず,ほとんどの研究は日常的な臨床診断ルーチンに適用できるほど成熟していない。
また,深層学習に基づくアプローチを選択手法として採用する傾向もみられた。
関連論文リスト
- Deep learning and traditional-based CAD schemes for the pulmonary
embolism diagnosis: A survey [2.717314422130497]
本論文の目的は,肺塞栓症(PE)診断のためのディープラーニングと従来のCADシステムの性能について,レビュー,評価,比較することである。
2002年から2023年にかけて、23の論文が研究され、その制限事項を抽出した。
各論文は、感度、偽陽性(FP)、データセット数などの基準を用いて評価する自動検出システムを提案する。
論文 参考訳（メタデータ） (2023-12-03T11:15:07Z) - Computer Vision on X-ray Data in Industrial Production and Security
Applications: A survey [89.45221564651145]
本稿では,コンピュータビジョンと機械学習を用いた産業生産およびセキュリティアプリケーションにおけるX線分析に関する最近の研究をレビューする。
公開されているデータセット上でのアプリケーション、テクニック、評価メトリクス、データセット、それらのテクニックのパフォーマンス比較をカバーしている。
論文 参考訳（メタデータ） (2022-11-10T13:37:36Z) - A Review on Deep-Learning Algorithms for Fetal Ultrasound-Image Analysis [5.512295869673148]
本稿は、2017年以降に出版された研究論文145件について、この分野における最新の研究状況について調査する。
本論文は, (i) 胎児標準平面検出, (ii) 解剖学的構造解析, (iii) バイオメトリパラメーター推定で分類した。
本稿では、胎児のUS画像解析のためのDLアルゴリズムに関する技術の現状を批判的に要約する。
論文 参考訳（メタデータ） (2022-01-28T17:22:44Z) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳（メタデータ） (2021-11-09T13:30:34Z) - Diagnosis of COVID-19 Using Machine Learning and Deep Learning: A review [0.0]
本稿では、新型コロナウイルス(COVID-19)対策における機械学習(ML)と深層学習(DL)技術の適用について、体系的に検討する。
AI、COVID-19、ML、予測、DL、X線、CT(Computed Tomography)のキーワードに基づいて、440記事の全文レビューを行った。
論文 参考訳（メタデータ） (2021-10-28T06:17:50Z) - Anomaly Detection in Medical Imaging -- A Mini Review [0.8122270502556374]
本稿では,医療画像における関連異常検出論文の半発掘文献レビューを用いて,アプリケーションをクラスタリングする。
主な結果は、ラベル付きデータの必要性を減らすことで、現在の研究が主に動機付けされていることを示している。
また、脳MRI領域における多くの研究が成功し、OCTや胸部X線といったさらなる領域への応用の可能性を示している。
論文 参考訳（メタデータ） (2021-08-25T11:45:40Z) - 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) - MRI Images, Brain Lesions and Deep Learning [0.0]
脳MRI画像のホワイトマター高輝度(WMH)の分類、識別、検出を可能にするシステムおよびアルゴリズムに関する公開文献をレビューします。
虚血性および脱髄性病変のセグメント化の最高精度と信頼性を達成するために、ディープラーニングの新しいモデルの研究と提案に絶え間なく成長しています。
論文 参考訳（メタデータ） (2021-01-13T14:18:48Z) - Learning Binary Semantic Embedding for Histology Image Classification
and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。
効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。
3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文 参考訳（メタデータ） (2020-10-07T08:36:44Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳（メタデータ） (2019-12-28T02:44:29Z)
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。