論文の概要: Breast cancer detection using artificial intelligence techniques: A
systematic literature review
- arxiv url: http://arxiv.org/abs/2203.04308v1
- Date: Tue, 8 Mar 2022 13:51:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-10 14:25:53.254319
- Title: Breast cancer detection using artificial intelligence techniques: A
systematic literature review
- Title(参考訳): 人工知能を用いた乳癌検出 : 体系的文献レビュー
- Authors: Ali Bou Nassif, Manar Abu Talib, Qassim Nasir, Yaman Afadar, Omar
Elgendy
- Abstract要約: 2020年だけで、米国内で27万6000人以上の浸潤性乳癌と4万8000人以上の非浸潤性症例が診断された。
これらの数字をみると、これらの症例の64%は、疾患のサイクルの早い段階で診断され、99%の生存確率が与えられる。
ディープラーニングは、重篤な疾患の検出と治療に影響を与える最も重要な特徴を分析するように設計されている。
- 参考スコア(独自算出の注目度): 3.6608644315416585
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cancer is one of the most dangerous diseases to humans, and yet no permanent
cure has been developed for it. Breast cancer is one of the most common cancer
types. According to the National Breast Cancer foundation, in 2020 alone, more
than 276,000 new cases of invasive breast cancer and more than 48,000
non-invasive cases were diagnosed in the US. To put these figures in
perspective, 64% of these cases are diagnosed early in the disease's cycle,
giving patients a 99% chance of survival. Artificial intelligence and machine
learning have been used effectively in detection and treatment of several
dangerous diseases, helping in early diagnosis and treatment, and thus
increasing the patient's chance of survival. Deep learning has been designed to
analyze the most important features affecting detection and treatment of
serious diseases. For example, breast cancer can be detected using genes or
histopathological imaging. Analysis at the genetic level is very expensive, so
histopathological imaging is the most common approach used to detect breast
cancer. In this research work, we systematically reviewed previous work done on
detection and treatment of breast cancer using genetic sequencing or
histopathological imaging with the help of deep learning and machine learning.
We also provide recommendations to researchers who will work in this field
- Abstract(参考訳): がんは人間にとって最も危険な病気の1つだが、永久的な治療法は開発されていない。
乳癌は最も一般的ながんの1つである。
国立乳癌財団によると、2020年だけで27万6000人以上の浸潤性乳癌と4万8000人以上の非浸潤性症例が米国で診断された。
これらの数字を総合すると、これらの症例の64%は疾患周期の早い段階で診断され、患者の生存確率は99%である。
人工知能と機械学習は、いくつかの危険な疾患の検出と治療に効果的に使われ、早期診断と治療に役立ち、患者が生存する可能性を高める。
深層学習は重篤な疾患の検出と治療に影響を与える最も重要な特徴を分析するように設計されている。
例えば、乳癌は遺伝子や病理組織画像を用いて検出することができる。
遺伝子レベルでの分析は非常に高価であるため、病理組織像は乳がんを検出する最も一般的なアプローチである。
本研究では,ディープラーニングと機械学習を用いて,遺伝子シークエンシングや病理組織像を用いた乳癌の検出と治療に関するこれまでの研究を体系的に検討した。
我々はまた、この分野で働く研究者にレコメンデーションを提供する。
関連論文リスト
- Breast Cancer Detection and Diagnosis: A comparative study of
state-of-the-arts deep learning architectures [3.883460584034766]
南アフリカなど世界3カ国の乳がん患者の生存率は驚くほど低い。
医療専門家や研究者は、エンドツーエンドソリューションを開発するために、ドメイン固有のAIアプローチ、特にディープラーニングモデルに目を向けている。
本研究では、ビジョントランスフォーマー(ViT)と呼ばれる比較的新しいモデルと比較して、様々な最先端畳み込みニューラルネットワーク(CNN)アーキテクチャの性能を評価することに焦点を当てる。
論文 参考訳(メタデータ) (2023-05-31T15:21:34Z) - Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep
Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。
金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。
本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
論文 参考訳(メタデータ) (2023-04-12T15:08:34Z) - A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer
Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。
Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
論文 参考訳(メタデータ) (2023-04-12T05:41:44Z) - 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) - 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) - A Combined PCA-MLP Network for Early Breast Cancer Detection [0.0]
我々は、患者が乳がんに直面するかどうかを検出するために、異なる機械学習アルゴリズムを研究した。
われわれの4層PCAネットワークは、BCCDデータセットの平均90.48%で100%の精度を得た。
論文 参考訳(メタデータ) (2022-06-18T06:17:40Z) - Machine Learning-based Lung and Colon Cancer Detection using Deep
Feature Extraction and Ensemble Learning [0.9786690381850355]
肺がんと大腸癌を効率よく同定するためのハイブリッドアンサンブル特徴抽出モデルを提案する。
深い特徴抽出とアンサンブル学習と、がん画像データセットのための高性能なフィルタリングを統合している。
本モデルでは, 99.05%, 100%, 99.30%の精度で, 肺癌, 大腸癌, 結腸癌を検出できる。
論文 参考訳(メタデータ) (2022-06-02T15:14:41Z) - Breast Cancer Detection using Histopathological Images [0.0]
本稿では,先進的な深層学習技術の助けを借りて,塩分濃度検出システムを提案する。
CNN(VGG16, ResNet Architecture)による乳癌の5つの診断カテゴリーの同定について検討した。
この検出システムは、病理学者や医療機関が利用できるオープンソースのWebアプリケーションとして利用できる。
論文 参考訳(メタデータ) (2022-02-12T17:45:43Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳(メタデータ) (2022-01-13T05:24:40Z) - Learned super resolution ultrasound for improved breast lesion
characterization [52.77024349608834]
超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。
この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。
トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
論文 参考訳(メタデータ) (2021-07-12T09:04:20Z) - Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。
提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
論文 参考訳(メタデータ) (2020-02-03T22:25:01Z)
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。