論文の概要: Advances of Artificial Intelligence in Classical and Novel
Spectroscopy-Based Approaches for Cancer Diagnostics. A Review
- arxiv url: http://arxiv.org/abs/2208.04008v1
- Date: Mon, 8 Aug 2022 09:39:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-09 14:14:33.993611
- Title: Advances of Artificial Intelligence in Classical and Novel
Spectroscopy-Based Approaches for Cancer Diagnostics. A Review
- Title(参考訳): 古典的・新しい分光法に基づくがん診断における人工知能の進歩
レビュー
- Authors: Marina Zajnulina
- Abstract要約: 本稿では,MRIやCTなどの確立した技術における人工知能応用の進歩について概説する。
これは、モバイル、超高速、低侵襲診断のために開発中の光学分光に基づくアプローチと組み合わせることで、高い可能性を示している。
シンスライシングやヘマトキシリン・アンド・エオシン染色を陳腐化させることにより, 組織分析のための組織製剤の時間短縮効果を示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cancer is one of the leading causes of death worldwide. Fast and safe
early-stage, pre- and intra-operative diagnostics can significantly contribute
to successful cancer identification and treatment. Artificial intelligence has
played an increasing role in the enhancement of cancer diagnostics techniques
in the last 15 years. This review covers the advances of artificial
intelligence applications in well-established techniques such as MRI and CT.
Also, it shows its high potential in combination with optical
spectroscopy-based approaches that are under development for mobile,
ultra-fast, and low-invasive diagnostics. I will show how spectroscopy-based
approaches can reduce the time of tissue preparation for pathological analysis
by making thin-slicing or haematoxylin-and-eosin staining obsolete. I will
present examples of spectroscopic tools for fast and low-invasive ex- and
in-vivo tissue classification for the determination of a tumour and its
boundaries. Also, I will discuss that, contrary to MRI and CT, spectroscopic
measurements do not require the administration of chemical agents to enhance
the quality of cancer imaging which contributes to the development of more
secure diagnostic methods. Overall, we will see that the combination of
spectroscopy and artificial intelligence constitutes a highly promising and
fast-developing field of medical technology that will soon augment available
cancer diagnostic methods.
- Abstract(参考訳): がんは世界中の死因の1つである。
迅速かつ安全な早期、術前、術中診断は、がんの診断と治療に大いに寄与する。
人工知能は、過去15年間、がん診断技術の強化に重要な役割を果たしてきた。
本稿では,MRIやCTなどの確立した技術における人工知能応用の進歩について概説する。
また、モバイル、超高速、低侵襲診断のために開発中の光学分光に基づくアプローチと組み合わせることで、高い可能性を示す。
シンスライシングやヘマトキシリン・アンド・エオシン染色を陳腐化させることにより, 組織分析のための組織製剤の時間短縮効果を示す。
腫瘍とその境界を決定するための迅速かつ低侵襲なex組織およびin-vivo組織分類のための分光器の例を示す。
また、mriやctとは対照的に、分光学的測定では、より安全な診断法の開発に寄与するがん画像の品質を高めるために、化学物質の投与を必要としないことを議論する。
全体として、スペクトロスコピーと人工知能の組み合わせは、医療技術の非常に有望で開発が早い分野であり、すぐにがん診断の方法が強化されることが分かるだろう。
関連論文リスト
- Application analysis of ai technology combined with spiral CT scanning
in early lung cancer screening [15.6839495538166]
肺癌患者の5年間の生存率は、まだ20%以下であり、進行している。
近年、人工知能技術が腫瘍学に徐々に応用され始めている。
本研究は, 早期肺癌検診において, 安全かつ効率的な検診方法を見いだす目的で, 組み合わせた方法を適用した。
論文 参考訳(メタデータ) (2024-01-26T07:58:09Z) - Liver Tumor Prediction with Advanced Attention Mechanisms Integrated
into a Depth-Based Variant Search Algorithm [0.0]
本稿では,畳み込みニューラルネットワーク(CNN)と深度に基づく変種探索アルゴリズムを用いた肝腫瘍の予測手法を提案する。
良性および悪性の肝腫瘍を含むCTスキャンデータセットを用いて,本モデルの評価を行った。
提案システムは、肝腫瘍の予測において95.5%の精度を達成し、他の最先端の方法よりも優れていた。
論文 参考訳(メタデータ) (2023-11-20T03:51:39Z) - Combining low-dose CT-based radiomics and metabolomics for early lung
cancer screening support [32.586316762855944]
肺癌はしばしば進行期と診断され、患者の生存率も低下する。
早期診断は、肺組織腫瘍がまだ小さいとき、通常約3mmの大きさで検出されるように設計されたスクリーニングプログラムによって容易に行える。
論文 参考訳(メタデータ) (2023-09-20T12:07:16Z) - AI in Thyroid Cancer Diagnosis: Techniques, Trends, and Future
Directions [3.2071249735671348]
本報告では, 甲状腺癌の診断に使用される人工知能(AI)技術に関する大量の論文を要約する。
この研究は、教師なし、教師なし、またはハイブリッド技術を通じて、AIベースのツールが甲状腺癌の診断と治療をどのようにサポートするかに焦点を当てている。
論文 参考訳(メタデータ) (2023-08-25T17:27:53Z) - The State of Applying Artificial Intelligence to Tissue Imaging for
Cancer Research and Early Detection [0.0]
回帰、分類、セグメンテーション、生成、圧縮タスクを含む、モデルが開発する5つのコアタスクを特定します。
このような方法が直面するメリットや課題に対処し,がん予防や治療にどのように適応できるかを検討する。
論文 参考訳(メタデータ) (2023-06-29T14:47:03Z) - Artificial-intelligence-based molecular classification of diffuse
gliomas using rapid, label-free optical imaging [59.79875531898648]
DeepGliomaは人工知能に基づく診断スクリーニングシステムである。
ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
論文 参考訳(メタデータ) (2023-03-23T18:50:18Z) - 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) - Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。
本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文 参考訳(メタデータ) (2022-02-17T08:33:52Z) - 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) - Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo
Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。
我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文 参考訳(メタデータ) (2020-07-02T12:00:53Z) - 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。