Fugu-MT 論文翻訳(概要): Machine Learning Applications in Diagnosis, Treatment and Prognosis of Lung Cancer

論文の概要: Machine Learning Applications in Diagnosis, Treatment and Prognosis of Lung Cancer

arxiv url: http://arxiv.org/abs/2203.02794v1
Date: Sat, 5 Mar 2022 17:43:57 GMT
ステータス: 処理完了
システム内更新日: 2022-03-09 10:21:32.069134
Title: Machine Learning Applications in Diagnosis, Treatment and Prognosis of Lung Cancer
Title（参考訳）: 肺癌の診断・治療・予後における機械学習の応用
Authors: Yawei Li, Xin Wu, Ping Yang, Guoqian Jiang, Yuan Luo
Abstract要約: 本稿では, 肺癌の診断と治療のさまざまな側面を強化する機械学習によるアプローチの概要について述べる。肺癌における機械学習の今後の応用に向けた課題と機会を強調した。
参考スコア（独自算出の注目度）: 22.84388553607303
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The recent development of imaging and sequencing technologies enables systematic advances in the clinical study of lung cancer. Meanwhile, the human mind is limited in effectively handling and fully utilizing the accumulation of such enormous amounts of data. Machine learning-based approaches play a critical role in integrating and analyzing these large and complex datasets, which have extensively characterized lung cancer through the use of different perspectives from these accrued data. In this article, we provide an overview of machine learning-based approaches that strengthen the varying aspects of lung cancer diagnosis and therapy, including early detection, auxiliary diagnosis, prognosis prediction and immunotherapy practice. Moreover, we highlight the challenges and opportunities for future applications of machine learning in lung cancer.
Abstract（参考訳）: 最近の画像およびシークエンシング技術の進歩は、肺癌の臨床研究における体系的な進歩をもたらす。一方、人間の心は、そのような膨大な量のデータの蓄積を効果的に処理し、完全に活用することに制限されている。機械学習に基づくアプローチは、これらの大規模で複雑なデータセットの統合と分析において重要な役割を果たす。本稿では,早期診断,補助診断,予後予測,免疫療法など,肺癌の診断・治療のさまざまな側面を強化する機械学習ベースのアプローチの概要を紹介する。さらに,肺癌における機械学習の今後の応用に向けた課題と機会を強調した。

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)
Multi-Omic and Quantum Machine Learning Integration for Lung Subtypes Classification [0.0]
量子コンピューティングと機械学習の融合は、マルチオミクスデータセット内の複雑なパターンを解き放つことを約束している。我々は,バイオマーカー発見の可能性を秘めたLUADデータセットとLUSCデータセットの最適な識別方法を開発した。
論文参考訳（メタデータ） (2024-10-02T23:16:31Z)
A systematic review: Deep learning-based methods for pneumonia region detection [0.0]
肺炎は世界中の子供や成人の主要な死因の1つである。診断プロセスの効率と精度を向上させるため, コンピュータ支援型肺炎検出法が開発されている。本報告では, 肺炎領域の検出において, 従来主流であった深層学習アプローチを探索し, 検討した。
論文参考訳（メタデータ） (2024-08-23T18:00:22Z)
Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文参考訳（メタデータ） (2024-02-16T05:16:20Z)
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)
Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文参考訳（メタデータ） (2023-07-30T16:08:45Z)
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)
Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
論文参考訳（メタデータ） (2022-11-10T03:02:12Z)
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)

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。