Fugu-MT 論文翻訳(概要): Potential Applications of Artificial Intelligence and Machine Learning in Radiochemistry and Radiochemical Engineering

論文の概要: Potential Applications of Artificial Intelligence and Machine Learning in Radiochemistry and Radiochemical Engineering

arxiv url: http://arxiv.org/abs/2108.02814v1
Date: Thu, 5 Aug 2021 18:58:56 GMT
ステータス: 処理完了
システム内更新日: 2021-08-10 02:30:33.569945
Title: Potential Applications of Artificial Intelligence and Machine Learning in Radiochemistry and Radiochemical Engineering
Title（参考訳）: 放射線化学・放射線化学工学における人工知能と機械学習の可能性
Authors: E. William Webb and Peter J.H. Scott
Abstract要約: 人工知能と機械学習は、PETイメージングをベンチからクリニックに邪魔する可能性がある。この観点から、PETイメージングのための新しい放射性医薬品の設計と合成を改善するために、この技術がどのように応用できるかについての洞察を提供する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Artificial intelligence and machine learning are poised to disrupt PET imaging from bench to clinic. In this perspective we offer insights into how the technology could be applied to improve the design and synthesis of new radiopharmaceuticals for PET imaging, including identification of an optimal labeling approach as well as strategies for radiolabeling reaction optimization.
Abstract（参考訳）: 人工知能と機械学習は、PETイメージングをベンチからクリニックに邪魔する可能性がある。この観点からは、petイメージングのための新しい放射性医薬品の設計と合成を改善するためにこの技術をどのように適用できるか、最適なラベリングアプローチの同定や放射性ラベリング反応最適化の戦略などについての洞察を提供する。

関連論文リスト

Machine Learning Innovations in CPR: A Comprehensive Survey on Enhanced Resuscitation Techniques [52.71395121577439]
心肺蘇生(CPR)における機械学習(ML)と人工知能(AI)の変革的役割について検討する。再現結果を改善する上で、予測モデリング、AI強化デバイス、リアルタイムデータ分析の影響を強調している。本稿は、この新興分野における現在の応用、課題、今後の方向性に関する包括的概要、分類、および批判的分析を提供する。
論文参考訳（メタデータ） (2024-11-03T18:01:50Z)
Privacy-Preserving and Trustworthy Deep Learning for Medical Imaging [2.156208381257605]
放射能は機械学習(ML)を利用して医療画像を正確かつ効率的に分析する。現在の手法は、性能と精度を向上させるためにDeep Learning(DL)に依存している(Deep Radiomics)。効率、正確性、プライバシーが不可欠であるDeep Radiomicsでは、多くのPETは理論上は適用できるが、特別な最適化やハイブリッド設計なしでは実用的ではない。この研究は、既存のPETを分類し、実用的なハイブリッドPETS構造を示し、Deep Radiomicsパイプラインとの潜在的な統合を図った分類学によって、この研究ギャップに対処する。
論文参考訳（メタデータ） (2024-06-29T22:26:05Z)
CRISPR-GPT: An LLM Agent for Automated Design of Gene-Editing Experiments [51.41735920759667]
大規模言語モデル(LLM)は様々なタスクにおいて有望であるが、しばしば特定の知識が欠如し、生物学的設計の問題を正確に解くのに苦労する。本研究では,CRISPRに基づく遺伝子編集実験の設計プロセスを自動化するために,ドメイン知識と外部ツールを付加したLCMエージェントであるCRISPR-GPTを紹介する。
論文参考訳（メタデータ） (2024-04-27T22:59:17Z)
An Autonomous Large Language Model Agent for Chemical Literature Data Mining [60.85177362167166]
本稿では,幅広い化学文献から高忠実度抽出が可能なエンドツーエンドAIエージェントフレームワークを提案する。本フレームワークの有効性は,反応条件データの精度,リコール,F1スコアを用いて評価する。
論文参考訳（メタデータ） (2024-02-20T13:21:46Z)
Anatomy and Physiology of Artificial Intelligence in PET Imaging [0.0]
この記事では、PETイメージングで最も遭遇しそうな側面に特に焦点をあてて、現代のAIの中核となる原則を解説したガイドを提供する。本稿では、畳み込みニューラルネットワーク、アルゴリズムトレーニング、セグメンテーションと画像合成によく使われるU-Netの構成要素について説明する。
論文参考訳（メタデータ） (2023-11-30T15:12:57Z)
Chemist-X: Large Language Model-empowered Agent for Reaction Condition Recommendation in Chemical Synthesis [57.70772230913099]
Chemist-Xは、検索増強生成(RAG)技術を用いた化学合成において、反応条件レコメンデーション(RCR)タスクを自動化する。 Chemist-Xはオンラインの分子データベースを尋問し、最新の文献データベースから重要なデータを蒸留する。 Chemist-Xは化学者の作業量を大幅に減らし、より根本的で創造的な問題に集中できるようにする。
論文参考訳（メタデータ） (2023-11-16T01:21:33Z)
Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine PET Reconstruction [62.29541106695824]
本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。 2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
論文参考訳（メタデータ） (2023-08-20T04:10:36Z)
Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。ブタ前眼の精度と再現性について実験を行った。
論文参考訳（メタデータ） (2023-01-17T21:41:21Z)
Physics-driven Deep Learning for PET/MRI [2.2113800586902608]
我々は,同時ポジトロン放射トモグラフィ(PET)/磁気共鳴イメージング(MRI)システムのための物理・データ駆動型再構成技術について概説する。これらの再構成手法は、構造的または統計的に、PETシステム応答の物理に基づく記述とともに、事前を利用する。我々は,3次元PET/MRIの再構成において,多面的アプローチがハイブリッドデータと物理駆動機械学習にどのように対応しているかを明らかにする。
論文参考訳（メタデータ） (2022-06-11T21:35:27Z)
Artificial Intelligence-Based Detection, Classification and Prediction/Prognosis in PET Imaging: Towards Radiophenomics [2.2509387878255818]
この研究は、腫瘍学的なPETとPET/CTイメージングに焦点を当てたAIベースの技術についてレビューする。良性から悪性まで腫瘍組織学のスペクトルがあり、AIベースの分類法で同定できる。放射線分析は、腫瘍の正確な評価のための非侵襲的手法として利用される可能性がある。
論文参考訳（メタデータ） (2021-10-20T01:05:47Z)
Artificial Intelligence in PET: an Industry Perspective [3.084117449495927]
人工知能(AI)は、ポジトロン・エミッション・トモグラフィ(PET)イメージングの応用など、医療画像に肯定的な影響を与える可能性があり、進歩する可能性がある。 AIは、PETにおけるAIの将来の可能性を最大化するために対処し克服する必要がある、業界固有の課題を提起する。本稿では、AIの開発、標準化、商業化、臨床導入におけるこれらの業界固有の課題の概要を述べるとともに、近い将来にAIによってもたらされるPETイメージングの強化の可能性を探る。
論文参考訳（メタデータ） (2021-07-14T14:47:24Z)

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。