論文の概要: An Artificial Intelligence Outlook for Colorectal Cancer Screening
- arxiv url: http://arxiv.org/abs/2209.12624v1
- Date: Mon, 5 Sep 2022 07:27:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 23:59:31.292906
- Title: An Artificial Intelligence Outlook for Colorectal Cancer Screening
- Title(参考訳): 大腸癌検診における人工知能の展望
- Authors: Panagiotis Katrakazas, Aristotelis Ballas, Marco Anisetti and Ilias
Spais
- Abstract要約: 大腸癌は男性で3番目に多い腫瘍であり、女性では2番目に多く、世界の全腫瘍の10%を占めている。
がん関連死亡率は9.4%で、肺がんに次いで第2位である。
- 参考スコア(独自算出の注目度): 1.417373050337415
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Colorectal cancer is the third most common tumor in men and the second in
women, accounting for 10% of all tumors worldwide. It ranks second in
cancer-related deaths with 9.4%, following lung cancer. The decrease in
mortality rate documented over the last 20 years has shown signs of slowing
down since 2017, necessitating concentrated actions on specific measures that
have exhibited considerable potential. As such, the technical foundation and
research evidence for blood-derived protein markers have been set, pending
comparative validation, clinical implementation and integration into an
artificial intelligence enabled decision support framework that also considers
knowledge on risk factors. The current paper aspires to constitute the driving
force for creating change in colorectal cancer screening by reviewing existing
medical practices through accessible and non-invasive risk estimation,
employing a straightforward artificial intelligence outlook.
- Abstract(参考訳): 大腸癌は男性で3番目に多く、女性では2番目に多く、全腫瘍の10%を占める。
がん関連死亡率は9.4%で、肺癌に次いで第2位である。
過去20年間に記録された死亡率の低下は、2017年以降に減少の兆しを示している。
このように、血液由来のタンパク質マーカーの技術的基盤と研究証拠が設定され、リスクファクターに関する知識も考慮した人工知能対応意思決定支援フレームワークへの比較検証、臨床実装、統合が保留されている。
本論文は, 容易かつ非侵襲的なリスク推定による既存の医療行為をレビューし, 直接的な人工知能の展望を活かし, 大腸癌検診における変化の原動力となることを目指している。
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) - Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted
Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。
拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。
本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
論文 参考訳(メタデータ) (2023-11-30T15:11:03Z) - Predicting breast cancer with AI for individual risk-adjusted MRI
screening and early detection [1.3367806441522678]
本稿では,現在のMRIに基づいて1年以内に乳癌の発症リスクを予測することを提案する。
検診・診断を施行した12,694例の乳房53,858例を対象にAIアルゴリズムを開発した。
論文 参考訳(メタデータ) (2023-11-29T19:52:53Z) - 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) - 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) - 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) - 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) - 3D Neural Network for Lung Cancer Risk Prediction on CT Volumes [0.6810862244331126]
肺がんはアメリカ合衆国で最も多いがん死の原因である。
肺がんCT検査は、死亡率を40%まで下げることが示されている。
放射線診断の基準が採用されているにもかかわらず, 経年変化が持続的であり, 包括的画像所見の不完全な特徴が現在の方法の限界として残っている。
本稿では,肺がんリスク予測のための最先端ディープラーニングアルゴリズムを再現する。
論文 参考訳(メタデータ) (2020-07-25T10:01:22Z) - 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。