論文の概要: Deep Learning Applications for Lung Cancer Diagnosis: A systematic review

• arxiv url: http://arxiv.org/abs/2201.00227v1
• Date: Sat, 1 Jan 2022 18:29:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-04 23:47:49.078609
• Title: Deep Learning Applications for Lung Cancer Diagnosis: A systematic review
• Title（参考訳）: 肺癌診断における深層学習の応用 : 体系的検討
• Authors: Hesamoddin Hosseini, Reza Monsefi, Shabnam Shadroo
• Abstract要約: 米国では毎年20万人以上の患者が特定されている。 ディープラーニングアルゴリズム、特に畳み込みニューラルネットワーク(CNN)は、疾患を自動的に診断する優れた方法となっている。 本研究の主な目的は、深層学習に基づく肺癌における課題を特定することである。
• 参考スコア（独自算出の注目度）: 1.0312968200748116
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lung cancer has been one of the most prevalent disease in recent years. According to the research of this field, more than 200,000 cases are identified each year in the US. Uncontrolled multiplication and growth of the lung cells result in malignant tumour formation. Recently, deep learning algorithms, especially Convolutional Neural Networks (CNN), have become a superior way to automatically diagnose disease. The purpose of this article is to review different models that lead to different accuracy and sensitivity in the diagnosis of early-stage lung cancer and to help physicians and researchers in this field. The main purpose of this work is to identify the challenges that exist in lung cancer based on deep learning. The survey is systematically written that combines regular mapping and literature review to review 32 conference and journal articles in the field from 2016 to 2021. After analysing and reviewing the articles, the questions raised in the articles are being answered. This research is superior to other review articles in this field due to the complete review of relevant articles and systematic write up.
• Abstract（参考訳）: 肺癌は近年最も流行している疾患の1つである。 この分野の研究によると、米国では毎年20万人以上の患者が特定されている。 肺細胞の非制御的な増殖と増殖は悪性腫瘍形成を引き起こす。 近年、深層学習アルゴリズム、特に畳み込みニューラルネットワーク(cnn)は、疾患を自動的に診断する優れた方法となっている。 本研究の目的は,早期肺癌の診断の精度と感度の異なるモデルについて検討し,この分野の医師や研究者を支援することである。 この研究の主な目的は、深層学習に基づいて肺癌に存在する課題を特定することである。 この調査は、2016年から2021年までの32のカンファレンスとジャーナルの記事をレビューするために、定期的なマッピングと文献レビューを組み合わせた体系的に書かれています。 記事を分析してレビューした後、記事で取り上げられた質問は回答されている。 本研究は,関連記事の完全なレビューと体系的な書き込みにより,この分野の他のレビュー記事よりも優れている。

関連論文リスト

• Medical AI for Early Detection of Lung Cancer: A Survey [11.90341994990241]
  肺がんは世界中で致死率と死亡率の主要な原因の1つである。 コンピュータ支援診断システム(CAD)は肺結節の検出と分類に有効であることが証明されている。 深層学習アルゴリズムは肺結節解析の精度と効率を大幅に改善した。
  論文  参考訳（メタデータ） (2024-10-18T17:45:42Z)
• 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)
• 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)
• Towards long-tailed, multi-label disease classification from chest X-ray: Overview of the CXR-LT challenge [59.323306639144526]
  診断医用画像検査など,現実的な画像認識の問題が数多く発生している。 診断は長い尾と多ラベルの問題であり、患者は複数の所見を呈することが多い。 我々は共通のテーマを合成し、長い尾を持つマルチラベルの医用画像分類のためのレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2023-10-24T18:26:22Z)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• Deep learning methods for drug response prediction in cancer: predominant and emerging trends [50.281853616905416]
  がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。 最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。 このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
  論文  参考訳（メタデータ） (2022-11-18T03:26:31Z)
• Computer-Aided Cancer Diagnosis via Machine Learning and Deep Learning: A comparative review [0.0]
  腫瘍や組織を早期に検出する上で,大幅な改善が見られた。 画像における大きな相違点に関連するがん研究の課題について論じる。 肺・乳癌・皮膚がんの分野では,いくつかの顕著な結果が得られている。
  論文  参考訳（メタデータ） (2022-10-19T19:30:56Z)
• Advancement of Deep Learning in Pneumonia and Covid-19 Classification and Localization: A Qualitative and Quantitative Analysis [1.7513645771137178]
  肺炎(合併症+胸部X線)とコビッド19(RT-PCR)は、専門の放射線医と時間を必要とする。 ディープラーニングモデルの助けを借りて、肺炎とコビッド19は、胸部X線やCTスキャンから即座に検出できる。
  論文  参考訳（メタデータ） (2021-11-16T16:40:39Z)
• Early Diagnosis of Lung Cancer Using Computer Aided Detection via Lung Segmentation Approach [0.1749935196721634]
  アメリカがん協会は、がんによる死亡件数の約27%を推定している。 その進化の初期段階では、肺がんは通常は症状を起こさない。 多くの患者は、症状がより顕著になり、治療が不十分で死亡率の高い進行期に診断されている。
  論文  参考訳（メタデータ） (2021-07-23T05:46:06Z)
• 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)
• Deep Learning for Automatic Pneumonia Detection [72.55423549641714]
  肺炎は小児の主要な死因であり、世界でも最多死亡率の1つである。 コンピュータ支援診断システムは診断精度を向上させる可能性を示した。 本研究では, 単発検出, 圧縮励起深部畳み込みニューラルネットワーク, 拡張, マルチタスク学習に基づく肺炎領域検出のための計算手法を開発した。
  論文  参考訳（メタデータ） (2020-05-28T10:54:34Z)

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。