論文の概要: Artificial Intelligence-Based Detection, Classification and
Prediction/Prognosis in PET Imaging: Towards Radiophenomics
- arxiv url: http://arxiv.org/abs/2110.10332v1
- Date: Wed, 20 Oct 2021 01:05:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-22 18:47:09.820875
- Title: Artificial Intelligence-Based Detection, Classification and
Prediction/Prognosis in PET Imaging: Towards Radiophenomics
- Title（参考訳）: PET画像における人工知能による検出・分類・予測・予後:ラジオフェノミクスに向けて
- Authors: Fereshteh Yousefirizi, Pierre Decasez, Amine Amyar, Su Ruan, Babak
Saboury, Arman Rahmim
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.2509387878255818
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial intelligence (AI) techniques have significant potential to enable
effective, robust, and automated image phenotyping including identification of
subtle patterns. AI-based detection searches the image space to find the
regions of interest based on patterns and features. There is a spectrum of
tumor histologies from benign to malignant that can be identified by AI-based
classification approaches using image features. The extraction of minable
information from images gives way to the field of radiomics and can be explored
via explicit (handcrafted/engineered) and deep radiomics frameworks. Radiomics
analysis has the potential to be utilized as a noninvasive technique for the
accurate characterization of tumors to improve diagnosis and treatment
monitoring. This work reviews AI-based techniques, with a special focus on
oncological PET and PET/CT imaging, for different detection, classification,
and prediction/prognosis tasks. We also discuss needed efforts to enable the
translation of AI techniques to routine clinical workflows, and potential
improvements and complementary techniques such as the use of natural language
processing on electronic health records and neuro-symbolic AI techniques.
- Abstract（参考訳）: 人工知能(AI)技術は、微妙なパターンの識別を含む、効果的で堅牢で自動化された画像表現を可能にする大きな可能性を秘めている。
AIベースの検出は、画像空間を検索して、パターンや特徴に基づいて関心のある領域を見つける。
良性から悪性まで腫瘍組織学のスペクトルがあり、画像特徴を用いたAIベースの分類アプローチによって同定できる。
画像から縮小可能な情報を抽出することは、放射能の分野に道を譲り、明示的(手作り/工学的)と深い放射能の枠組みを通して探究することができる。
放射線分析は、診断および治療モニタリングを改善するために、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。
この研究はAIベースのテクニックをレビューし、特に腫瘍学的なPETとPET/CTイメージングに焦点を当て、異なる検出、分類、予測/予後タスクに焦点をあてている。
また、日常的な臨床ワークフローにAI技術の翻訳を可能にするために必要な取り組みや、電子健康記録やニューロシンボリックAI技術における自然言語処理の使用など、潜在的な改善と補完技術についても論じる。
関連論文リスト
- Breast Cancer Diagnosis: A Comprehensive Exploration of Explainable Artificial Intelligence (XAI) Techniques [38.321248253111776]
乳がんの診断・診断における説明可能な人工知能(XAI)技術の適用について検討する。
複雑なAIモデルと実用的な医療アプリケーションの間のギャップを埋めることにおけるXAIの可能性を強調することを目的としている。
論文 参考訳（メタデータ） (2024-06-01T18:50:03Z) - 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) - AI Techniques for Cone Beam Computed Tomography in Dentistry: Trends and
Practices [0.0]
コーンビームCT (CBCT) は, 各種口腔疾患の診断と治療計画において, 歯科治療において一般的な画像モダリティである。
本稿では,最近の歯科用CBCT画像診断におけるAIの動向と実践について概説する。
論文 参考訳（メタデータ） (2023-06-05T16:45:39Z) - Case Studies on X-Ray Imaging, MRI and Nuclear Imaging [0.0]
我々は、AIベースのアプローチ、特にCNN(Convolutional Neural Networks)の使用が、医療画像技術による疾患検出にどのように役立つかに焦点を当てる。
CNNは、生の入力画像から特徴を抽出できるため、画像解析の一般的な手法である。
論文 参考訳（メタデータ） (2023-06-03T09:05:35Z) - Future Artificial Intelligence tools and perspectives in medicine [1.7532045941271799]
現在、がんの限られた管理は人工知能の恩恵を受けており、主にコンピューター支援診断に関連しており、追加のリスクとコストを示す生検分析を避けている。
本稿では,臨床応用のためのAIベースの放射線治療ツールの進歩について概説する。
論文 参考訳（メタデータ） (2022-06-04T11:27:43Z) - Unsupervised deep learning techniques for powdery mildew recognition
based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。
マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。
本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文 参考訳（メタデータ） (2021-12-20T13:29:13Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳（メタデータ） (2021-03-19T14:13:56Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - 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) - Survey of XAI in digital pathology [3.4591414173342643]
本稿では,デジタル病理学におけるXAIについて,特定の特徴とニーズを持つ医用画像のサブディシプリタであるXAIについて紹介する。
病理画像診断における深層学習手法に関する現在のXAI技術の概要について概説する。
そこで我々は,XAIランドスケープの不可欠な部分として不確実性推定手法を取り入れた。
論文 参考訳（メタデータ） (2020-08-14T13:11:54Z) - Review of Artificial Intelligence Techniques in Imaging Data
Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。
X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。
最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
論文 参考訳（メタデータ） (2020-04-06T15:21:34Z)
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。