論文の概要: Improving The Diagnosis of Thyroid Cancer by Machine Learning and Clinical Data

• arxiv url: http://arxiv.org/abs/2203.15804v1
• Date: Sun, 27 Mar 2022 17:37:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-02 16:56:22.228224
• Title: Improving The Diagnosis of Thyroid Cancer by Machine Learning and Clinical Data
• Title（参考訳）: 機械学習と臨床データによる甲状腺癌の診断の改善
• Authors: Nan Miles Xi, Lin Wang, and Chuanjia Yang
• Abstract要約: 甲状腺癌 (thyroid cancer) は、甲状腺に発生する内分泌癌である。 甲状腺結節悪性腫瘍の現時点のヒト評価は, 誤診の頻度が高く, 正確な術前診断が得られない可能性がある。 本研究は,新しい臨床データセットに基づいて甲状腺結節悪性度を予測するための機械的枠組みを提案する。
• 参考スコア（独自算出の注目度）: 3.6985351289638957
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Thyroid cancer is a common endocrine carcinoma that occurs in the thyroid gland. Much effort has been invested in improving its diagnosis, and thyroidectomy remains the primary treatment method. A successful operation without unnecessary side injuries relies on an accurate preoperative diagnosis. Current human assessment of thyroid nodule malignancy is prone to errors and may not guarantee an accurate preoperative diagnosis. This study proposed a machine framework to predict thyroid nodule malignancy based on a novel clinical dataset we collected. The 10-fold cross-validation, bootstrap analysis, and permutation predictor importance were applied to estimate and interpret the model performance under uncertainty. The comparison between model prediction and expert assessment shows the advantage of our framework over human judgment in predicting thyroid nodule malignancy. Our method is accurate, interpretable, and thus useable as additional evidence in the preoperative diagnosis for thyroid cancer.
• Abstract（参考訳）: 甲状腺癌は、甲状腺に発生する一般的な内分泌癌である。 診断の改善に多くの努力が注がれており、甲状腺切除が主要な治療方法である。 副作用のない手術は、正確な術前診断に頼っている。 甲状腺結節悪性腫瘍の現時点のヒト評価は誤りを来し,正確な術前診断が得られない可能性がある。 本研究は,新しい臨床データから甲状腺結節悪性腫瘍を予測するための機械枠組みを提案する。 10倍のクロスバリデーション,ブートストラップ解析,および置換予測器の重要性を適用し,不確実性を考慮したモデル性能の推定と解釈を行った。 甲状腺結節悪性度予測における, モデル予測と専門家評価の比較は, 人間の判断に対する枠組みの優位性を示している。 甲状腺癌の術前診断において,本手法は正確であり,解釈可能であり,追加の証拠として有用である。

関連論文リスト

• Enhancing Trust in Clinically Significant Prostate Cancer Prediction with Multiple Magnetic Resonance Imaging Modalities [61.36288157482697]
  米国では、前立腺がんが男性の死因としては2番目に多く、2024年には35,250人が死亡している。 本稿では,複数のMRIモダリティを組み合わせて深層学習モデルを訓練し,臨床的に有意な前立腺癌予測のためのモデルの信頼性を高めることを検討する。
  論文  参考訳（メタデータ） (2024-11-07T12:48:27Z)
• An Explainable AI Model for Predicting the Recurrence of Differentiated Thyroid Cancer [0.0]
  本研究は,甲状腺癌の再発を予測するために,機械学習,特にディープラーニングモデルを用いている。 患者の臨床病理学的特徴を含むデータセットを解析することにより、トレーニング中の98%、テスト中の96%の顕著な精度を達成できた。
  論文  参考訳（メタデータ） (2024-10-13T23:12:33Z)
• Enhancing Clinically Significant Prostate Cancer Prediction in T2-weighted Images through Transfer Learning from Breast Cancer [71.91773485443125]
  転送学習は、よりリッチなデータを持つドメインから取得した機能を活用して、限られたデータを持つドメインのパフォーマンスを向上させるテクニックである。 本稿では,T2強調画像における乳癌からの転移学習による臨床的に有意な前立腺癌予知の改善について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:57:27Z)
• Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
  ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。 ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。 本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
  論文  参考訳（メタデータ） (2024-05-13T15:40:56Z)
• AI-Generated Content Enhanced Computer-Aided Diagnosis Model for Thyroid Nodules: A ChatGPT-Style Assistant [36.02145235227822]
  人工知能によるコンピュータ支援診断(AIGC-CAD)モデルがThyGPTとして開発されている。 このモデルはChatGPTのアーキテクチャにインスパイアされたもので、甲状腺結節のリスクをセマンティックレベルの人間と機械の相互作用を通じて評価するのに役立つ。
  論文  参考訳（メタデータ） (2024-02-04T08:24:13Z)
• Extracting Thyroid Nodules Characteristics from Ultrasound Reports Using Transformer-based Natural Language Processing Methods [22.35979441935564]
  甲状腺結節の特徴は超音波検査などの臨床報告でしばしば記録される。 本研究は, 超音波検査から甲状腺結節の特徴を抽出するために, トランスフォーマーを用いたNLPモデルを系統的に分類し, 適用した最初の研究である。
  論文  参考訳（メタデータ） (2023-03-31T20:23:58Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• A Pathologist-Informed Workflow for Classification of Prostate Glands in Histopathology [62.997667081978825]
  病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。 がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。 本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
  論文  参考訳（メタデータ） (2022-09-27T14:08:19Z)
• Less is More: Adaptive Curriculum Learning for Thyroid Nodule Diagnosis [50.231954872304314]
  不整合ラベルによるサンプルの発見と破棄を適応的に行うAdaptive Curriculum Learningフレームワークを提案する。 また、TNCD: Thyroid Nodule Classification データセットも提供します。
  論文  参考訳（メタデータ） (2022-07-02T11:50:02Z)
• Leveraging Uncertainty in Deep Learning for Pancreatic Adenocarcinoma Grading [0.0]
  膵癌は、他のがんと比較して最悪の予後の1つである。 膵腺癌を診断するための現在の手関節組織学的評価は時間を要するため,誤診が頻発することが多い。 デジタル病理学では、AIに基づくがんのグレーディングは予測と不確実性定量化において極めて正確でなければならない。
  論文  参考訳（メタデータ） (2022-06-15T19:53:06Z)
• A systematic review on the role of artificial intelligence in sonographic diagnosis of thyroid cancer: Past, present and future [0.6523396727243321]
  本総説は甲状腺癌の診断に利用できるテクニックの方法論に基づく分類である。 甲状腺悪性腫瘍の超音波診断分野の動向と課題を考察する。 マシンラーニングは、将来の甲状腺癌診断フレームワークの開発において、引き続き基本的な役割を果たす。
  論文  参考訳（メタデータ） (2020-06-10T14:38:05Z)

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。