論文の概要: Machine Learning and Deep Learning Methods for Building Intelligent
Systems in Medicine and Drug Discovery: A Comprehensive Survey
- arxiv url: http://arxiv.org/abs/2107.14037v1
- Date: Mon, 19 Jul 2021 14:26:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-01 13:00:49.759754
- Title: Machine Learning and Deep Learning Methods for Building Intelligent
Systems in Medicine and Drug Discovery: A Comprehensive Survey
- Title（参考訳）: 医学・薬物発見におけるインテリジェントシステム構築のための機械学習とディープラーニング手法:包括的調査
- Authors: G Jignesh Chowdary, Suganya G, Premalatha M, Asnath Victy Phamila Y,
Karunamurthy K
- Abstract要約: Artificail Intelligenceベースのフレームワークは、医療業界に急速に革命をもたらしている。
これらのインテリジェントシステムは、機械学習とディープラーニングに基づく、疾患の早期診断のための堅牢なモデルで構築されている。
本稿では,16の専門分野にわたる機械学習と深層学習の応用に関する調査に焦点をあてる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: With the advancements in computer technology, there is a rapid development of
intelligent systems to understand the complex relationships in data to make
predictions and classifications. Artificail Intelligence based framework is
rapidly revolutionizing the healthcare industry. These intelligent systems are
built with machine learning and deep learning based robust models for early
diagnosis of diseases and demonstrates a promising supplementary diagnostic
method for frontline clinical doctors and surgeons. Machine Learning and Deep
Learning based systems can streamline and simplify the steps involved in
diagnosis of diseases from clinical and image-based data, thus providing
significant clinician support and workflow optimization. They mimic human
cognition and are even capable of diagnosing diseases that cannot be diagnosed
with human intelligence. This paper focuses on the survey of machine learning
and deep learning applications in across 16 medical specialties, namely Dental
medicine, Haematology, Surgery, Cardiology, Pulmonology, Orthopedics,
Radiology, Oncology, General medicine, Psychiatry, Endocrinology, Neurology,
Dermatology, Hepatology, Nephrology, Ophthalmology, and Drug discovery. In this
paper along with the survey, we discuss the advancements of medical practices
with these systems and also the impact of these systems on medical
professionals.
- Abstract（参考訳）: コンピュータ技術の進歩により、データの複雑な関係を理解して予測や分類を行うインテリジェントシステムが急速に開発されている。
Artificail Intelligenceベースのフレームワークは、医療業界に急速に革命をもたらしている。
これらのインテリジェントシステムは、疾患の早期診断のための機械学習とディープラーニングに基づく堅牢なモデルで構築されており、最前線の臨床医師や外科医にとって有望な補助的診断方法を示している。
機械学習とディープラーニングベースのシステムは、臨床および画像に基づくデータから疾患の診断に必要なステップを合理化し、単純化することができる。
人間の認知を模倣し、人間の知能と診断できない病気を診断する能力もある。
本稿では, 歯科医学, 血液学, 放射線学, オンコロジー, 一般医学, 精神医学, 内分泌学, 神経学, 皮膚学, 肝学, 腎学, 眼科, 薬物発見など16分野の専門分野における機械学習と深層学習の応用について検討する。
本稿では,これらのシステムを用いた医療実践の進展と,医療従事者への影響について考察する。
関連論文リスト
- Deep Learning Applications in Medical Image Analysis: Advancements, Challenges, and Future Directions [0.0]
人工知能のサブセットであるディープラーニングの最近の進歩は、医療画像の分析に大きな革命をもたらした。
CNNは多次元医用画像から自律的に学習する能力に顕著な能力を示した。
これらのモデルは、病理学、放射線学、眼科、心臓学など、様々な医学分野に利用されてきた。
論文 参考訳（メタデータ） (2024-10-18T02:57:14Z) - 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) - 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) - Knowledge-Informed Machine Learning for Cancer Diagnosis and Prognosis:
A review [2.2268038840298714]
バイオメディカルな知識とデータの融合を取り入れた最先端の機械学習研究について概説する。
機械学習パイプラインにおける知識表現の多様な形態と知識統合の現在の戦略について概説する。
論文 参考訳（メタデータ） (2024-01-12T07:01:36Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - Recent advancement in Disease Diagnostic using machine learning:
Systematic survey of decades, comparisons, and challenges [0.0]
バイオメディカル領域におけるパターン認識と機械学習は、疾患の検出と診断の精度を高めることを約束する。
本稿では,肝炎,糖尿病,肝疾患,デング熱,心臓病などの疾患を検出するための機械学習アルゴリズムについて検討する。
論文 参考訳（メタデータ） (2023-07-31T16:35:35Z) - AutoPrognosis 2.0: Democratizing Diagnostic and Prognostic Modeling in
Healthcare with Automated Machine Learning [72.2614468437919]
本稿では,診断・予後モデルを開発するための機械学習フレームワークAutoPrognosis 2.0を提案する。
我々は,英国バイオバンクを用いた糖尿病の予後リスクスコアを構築するための図解的アプリケーションを提供する。
我々のリスクスコアはWebベースの意思決定支援ツールとして実装されており、世界中の患者や臨床医がアクセスできる。
論文 参考訳（メタデータ） (2022-10-21T16:31:46Z) - A review of machine learning approaches, challenges and prospects for
computational tumor pathology [1.2036642553849346]
腫瘍計算病理学は、データ統合、ハードウェア処理、ネットワーク共有帯域幅、機械学習技術に挑戦する。
本稿では,病的・技術的観点から,計算病理学における前処理手法について検討する。
計算病理学応用における機械学習の課題と展望について論じる。
論文 参考訳（メタデータ） (2022-05-31T14:56:01Z) - Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。
治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。
この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文 参考訳（メタデータ） (2021-05-03T21:20:20Z) - Representation Learning for Networks in Biology and Medicine:
Advancements, Challenges, and Opportunities [18.434430658837258]
我々は,ネットワークを用いたモデリング,分析,学習への表現学習技術の急速な拡大を目の当たりにした。
本論では,ネットワーク生物学と医学の長年の原則が,表現学習の概念的基盤を提供できるという見解を述べる。
位相的特徴を利用してネットワークをコンパクトなベクトル空間に埋め込むアルゴリズムアプローチのスペクトルを合成する。
論文 参考訳（メタデータ） (2021-04-11T00:20:00Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳（メタデータ） (2020-08-05T15:45:54Z)
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。