Fugu-MT 論文翻訳(概要): End-to-end Malaria Diagnosis and 3D Cell Rendering with Deep Learning

論文の概要: End-to-end Malaria Diagnosis and 3D Cell Rendering with Deep Learning

arxiv url: http://arxiv.org/abs/2108.04220v1
Date: Thu, 8 Jul 2021 08:13:11 GMT
ステータス: 処理完了
システム内更新日: 2021-08-15 11:27:33.865273
Title: End-to-end Malaria Diagnosis and 3D Cell Rendering with Deep Learning
Title（参考訳）: ディープラーニングによるエンドツーエンドのマラリア診断と3D細胞レンダリング
Authors: Vignav Ramesh
Abstract要約: マラリアは寄生虫感染であり、世界的な健康に重大な負担を与える。 30秒ごとに1人の子供が死亡し、毎年100万人以上が死亡している。マラリアを診断するための現在の金の基準は、顕微鏡、試薬、その他の装置を必要とし、低社会経済的括弧の患者はアクセスできない。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Malaria is a parasitic infection that poses a significant burden on global health. It kills one child every 30 seconds and over one million people annually. If diagnosed in a timely manner, however, most people can be effectively treated with antimalarial therapy. Several deaths due to malaria are byproducts of disparities in the social determinants of health; the current gold standard for diagnosing malaria requires microscopes, reagents, and other equipment that most patients of low socioeconomic brackets do not have access to. In this paper, we propose a convolutional neural network (CNN) architecture that allows for rapid automated diagnosis of malaria (achieving a high classification accuracy of 98%), as well as a deep neural network (DNN) based three-dimensional (3D) modeling algorithm that renders 3D models of parasitic cells in augmented reality (AR). This creates an opportunity to optimize the current workflow for malaria diagnosis and demonstrates potential for deep learning models to improve telemedicine practices and patient health literacy on a global scale.
Abstract（参考訳）: マラリアは寄生虫感染症であり、世界的な健康に大きな負担を負う。 30秒ごとに1人の子供を殺し、毎年100万人以上が命を落としている。しかし、適時診断された場合、ほとんどの人は抗マラリア療法を効果的に行うことができる。マラリアによるいくつかの死亡は、社会的要因の相違による副産物であり、現在のマラリア診断のための金の基準は、顕微鏡、試薬、そしてほとんどの低社会経済的ブラケットの患者がアクセスできないその他の機器を必要とする。本稿では,マラリアの迅速自動診断を可能にする畳み込みニューラルネットワーク(cnn)アーキテクチャを提案する。また,dnn(deep neural network)ベースの3次元モデリングアルゴリズムを用いて,寄生細胞の3次元モデルを拡張現実(ar)でレンダリングする。これにより、現在のマラリア診断ワークフローを最適化する機会が生まれ、ディープラーニングモデルが遠隔医療プラクティスと患者の健康リテラシーをグローバルスケールで改善する可能性を実証する。

関連論文リスト

Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文参考訳（メタデータ） (2024-09-29T07:04:26Z)
Analysis of a mathematical model for malaria using data-driven approach [4.837767007618381]
マラリアは世界で最も致命的な病気の1つで、毎年何百万人もの人がこの病気の犠牲者となり、多くの人が命を失う。医療専門家や政府は、病気のダイナミクスが明確に理解されている場合に限って、国民を守るための正確な措置を講じる可能性がある。
論文参考訳（メタデータ） (2024-09-01T18:12:34Z)
Malaria Cell Detection Using Deep Neural Networks [1.1237179306040028]
マラリアは世界中で最も深刻な公衆衛生上の懸念の1つだ。血液スミアの顕微鏡検査などの従来の診断法は、労働集約的である。本研究の目的は, 深層学習によるマラリア感染細胞の自動検出である。
論文参考訳（メタデータ） (2024-06-28T15:44:55Z)
Automated Web-Based Malaria Detection System with Machine Learning and Deep Learning Techniques [0.0]
マラリア原虫は、世界的な健康上の重荷となり、広範囲の苦しみと死亡を引き起こしている。従来のCNNと転写学習モデルを用いて,マラリア感染細胞分類のための深層学習手法を定式化した。システムはWebインターフェースを通じてアクセスでき、血液のスミア画像をアップロードしてマラリア検出を行うことができる。
論文参考訳（メタデータ） (2024-06-27T16:50:36Z)
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)
Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
論文参考訳（メタデータ） (2022-04-22T17:27:00Z)
Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
論文参考訳（メタデータ） (2021-09-10T13:07:11Z)
In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文参考訳（メタデータ） (2021-04-06T02:01:43Z)
Malaria Detection and Classificaiton [0.38233569758620056]
世界保健機関(WHO)によると、マラリアは世界的な懸念の種である。本研究では,マラリアの診断のための枠組みを提唱した。我々は,第1層のFaster-RCNNを用いて感染した細胞を検知し,収穫した細胞を分離したニューラルネットワークに給餌して分類する2層アプローチを採用した。
論文参考訳（メタデータ） (2020-11-29T10:04:01Z)
Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文参考訳（メタデータ） (2020-09-22T11:53:06Z)
MOSQUITO-NET: A deep learning based CADx system for malaria diagnosis along with model interpretation using GradCam and class activation maps [9.01199960262149]
マラリアは世界でも最も致命的な病気の1つで、毎年数千人が死亡している。マラリアの原因となる寄生虫は、科学的にはプラスモジウムと呼ばれ、ヒトの赤血球に感染する。マラリアの診断には、顕微鏡的血腫の医療従事者による寄生細胞の同定と手動計測が必要である。
論文参考訳（メタデータ） (2020-06-17T13:00:30Z)

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。