論文の概要: A multi-objective constrained POMDP model for breast cancer screening
- arxiv url: http://arxiv.org/abs/2206.05370v1
- Date: Fri, 10 Jun 2022 22:43:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-14 15:35:14.745133
- Title: A multi-objective constrained POMDP model for breast cancer screening
- Title(参考訳): 多目的制約POMDPモデルによる乳癌検診
- Authors: Can Kavaklioglu and Mucahit Cevik and Robert Helmeczi and Davood
Pirayesh Neghab
- Abstract要約: 世界的に認められた乳がん検診の方針について合意は得られていない。
リソースの可用性に関する懸念は、予算に準拠したポリシーの設計を必要とする。
乳がん検診のための多目的CPOMDPモデルを提案する。
- 参考スコア(独自算出の注目度): 0.4588028371034407
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Breast cancer is a common and deadly disease, but it is often curable when
diagnosed early. While most countries have large-scale screening programs,
there is no consensus on a single globally accepted policy for breast cancer
screening. The complex nature of the disease; limited availability of screening
methods such as mammography, magnetic resonance imaging (MRI), and ultrasound
screening; and public health policies all factor into the development of
screening policies. Resource availability concerns necessitate the design of
policies which conform to a budget, a problem which can be modelled as a
constrained partially observable Markov decision process (CPOMDP). In this
study, we propose a multi-objective CPOMDP model for breast cancer screening
with two objectives: minimize the lifetime risk of dying due to breast cancer
and maximize the quality-adjusted life years. Additionally, we consider an
expanded action space which allows for screening methods beyond mammography.
Each action has a unique impact on quality-adjusted life years and lifetime
risk, as well as a unique cost. Our results reveal the Pareto frontier of
optimal solutions for average and high risk patients at different budget
levels, which can be used by decision makers to set policies in practice.
- Abstract(参考訳): 乳がんは一般的で致命的な疾患であるが、早期に診断すると治ることが多い。
ほとんどの国は大規模な検診プログラムを持っているが、世界的に認められた乳がん検診の方針については合意が得られていない。
この病気の複雑な性質、マンモグラフィー、MRI(MRI)、超音波スクリーニングなどのスクリーニング方法の限られた利用、および公衆衛生政策がスクリーニング政策の進展に影響を及ぼす。
リソースの可用性に関する懸念は、予算に準拠したポリシーの設計を必要とし、これは制約のある部分可観測マルコフ決定プロセス(cpomdp)としてモデル化できる問題である。
本研究では,乳がん検診のための多目的CPOMDPモデルを提案する。
さらに,マンモグラフィ以外の検診を行うための拡張されたアクション空間についても検討する。
それぞれの行動は、品質調整された寿命と寿命のリスク、およびユニークなコストに独特な影響を与える。
以上の結果から,平均的,高リスクの患者に対して,意思決定者が政策立案に活用できる最適ソリューションのパレートフロンティアが明らかとなった。
関連論文リスト
- Leveraging Transformers to Improve Breast Cancer Classification and Risk
Assessment with Multi-modal and Longitudinal Data [3.982926115291704]
マルチモーダルトランス (MMT) はマンモグラフィーと超音波を相乗的に利用するニューラルネットワークである。
MMTは、現在の検査と以前の画像を比較することで、時間的組織変化を追跡する。
5年間のリスク予測では、MMTはAUROCの0.826を達成し、従来のマンモグラフィーベースのリスクモデルより優れている。
論文 参考訳(メタデータ) (2023-11-06T16:01:42Z) - 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) - Evaluating COVID-19 vaccine allocation policies using Bayesian $m$-top
exploration [53.122045119395594]
マルチアーム・バンディット・フレームワークを用いてワクチンのアロケーション戦略を評価する新しい手法を提案する。
$m$-top Exploringにより、アルゴリズムは最高のユーティリティを期待する$m$ポリシーを学ぶことができる。
ベルギーのCOVID-19流行を個人モデルSTRIDEを用いて検討し、予防接種方針のセットを学習する。
論文 参考訳(メタデータ) (2023-01-30T12:22:30Z) - 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 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) - Breast Cancer Classification Using: Pixel Interpolation [0.0]
提案システムは,Mammogram Image Analysis Society (MIAS)の画像データベースから得られた複数の画像に対して,プログラムを用いて実装し,テストする。
このシステムはより高速に動作し、あらゆる放射線技師が視覚検査によって石灰化の出現について明確な決定を下すことができる。
論文 参考訳(メタデータ) (2021-11-03T16:58:17Z) - 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) - Synthesizing lesions using contextual GANs improves breast cancer
classification on mammograms [0.4297070083645048]
本稿では, マンモグラムの病変を現実的に合成し, 除去するデータ拡張のための, GANモデルを提案する。
自己注意と半教師付き学習コンポーネントにより、U-netベースのアーキテクチャは高解像度(256x256px)の出力を生成することができる。
論文 参考訳(メタデータ) (2020-05-29T21:23:00Z) - 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。