Fugu-MT 論文翻訳(概要): Computational pathology in renal disease: a comprehensive perspective

論文の概要: Computational pathology in renal disease: a comprehensive perspective

arxiv url: http://arxiv.org/abs/2210.10162v1
Date: Tue, 18 Oct 2022 21:05:40 GMT
ステータス: 処理完了
システム内更新日: 2022-10-20 15:22:33.183172
Title: Computational pathology in renal disease: a comprehensive perspective
Title（参考訳）: 腎疾患における計算病理 : 包括的展望
Authors: Manuel Cossio
Abstract要約: 画像生成の異なる形態について概観する。コンピュータビジョンモデルの最も頻繁な応用、異なる臨床応用の健全な特徴、およびデータ保護に関する考察について述べる。私はこれらのアプリケーションの解釈可能性を調べ、この分野の3次元を深く掘り下げた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Computational pathology is a field that has complemented various subspecialties of diagnostic pathology over the last few years. In this article a brief analyzis the different applications in nephrology is developed. To begin, an overview of the different forms of image production is provided. To continue, the most frequent applications of computer vision models, the salient features of the different clinical applications, and the data protection considerations encountered are described. To finish the development, I delve into the interpretability of these applications, expanding in depth on the three dimensions of this area.
Abstract（参考訳）: 計算病理学はここ数年、診断病理学の様々なサブ専門分野を補完してきた分野である。本稿では,腎学における様々な応用について概説する。まず、異なる形式の画像生成の概要を提供する。続けて、コンピュータビジョンモデルの最も頻繁な応用、異なる臨床応用の健全な特徴、遭遇したデータ保護に関する考察について述べる。開発を終えるために、私はこれらのアプリケーションの解釈可能性を調べ、この領域の3次元について深く掘り下げる。

関連論文リスト

Anatomy-guided Pathology Segmentation [56.883822515800205]
本研究では, 解剖学的特徴と病理学的情報を組み合わせた汎用的セグメンテーションモデルを構築し, 病理学的特徴のセグメンテーション精度を高めることを目的とする。我々の解剖学・病理学交流(APEx)訓練では,ヒト解剖学の問合せ表現に結合特徴空間をデコードする問合せベースのセグメンテーション変換器を用いている。これにより、FDG-PET-CTとChest X-Rayの病理分類タスクにおいて、強力なベースライン法に比べて最大3.3%のマージンで、ボード全体で最高の結果を報告できる。
論文参考訳（メタデータ） (2024-07-08T11:44:15Z)
Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
論文参考訳（メタデータ） (2024-07-08T09:08:42Z)
Knowledge-enhanced Visual-Language Pretraining for Computational Pathology [68.6831438330526]
本稿では,公共資源から収集した大規模画像テキストペアを利用した視覚的表現学習の課題について考察する。ヒト32組織から病理診断を必要とする4,718の疾患に対して50,470個の情報属性からなる病理知識ツリーをキュレートする。
論文参考訳（メタデータ） (2024-04-15T17:11:25Z)
Multi-modal vision-language model for generalizable annotation-free pathology localization and clinical diagnosis [18.958171123895866]
医療画像から病理を自動的に定義することは、疾患の出現と進展を理解するのに役立つ。既存のディープラーニングモデルは専門家のアノテーションに大きく依存しており、オープンな臨床環境での一般化機能が欠如している。視覚言語モデルを提案する。 lingering-free pathology (AFLOC) AFLocは病理学や分類学における最先端の手法を超越し、また5つの異なる病理の特定においてヒトのベンチマークよりも優れていることを示す。
論文参考訳（メタデータ） (2024-01-04T03:09:39Z)
Artificial General Intelligence for Medical Imaging Analysis [92.3940918983821]
大規模人工知能(AGI)モデルは、様々な汎用ドメインタスクにおいて前例のない成功を収めた。これらのモデルは、医学分野固有の複雑さとユニークな特徴から生じる顕著な課題に直面している。このレビューは、医療画像、医療などにおけるAGIの将来的な意味についての洞察を提供することを目的としている。
論文参考訳（メタデータ） (2023-06-08T18:04:13Z)
Human Treelike Tubular Structure Segmentation: A Comprehensive Review and Future Perspectives [8.103169967374944]
人間の生理学の構造は木のような形態に従っており、しばしば非常に微細なスケールで複雑さを表現する。 2Dおよび3D画像の大規模なコレクションは、医用画像モダリティによって利用可能になっている。構造解析は、疾患の診断、治療計画、予後に関する洞察を提供する。
論文参考訳（メタデータ） (2022-07-12T17:01:42Z)
Machine Learning Methods for Histopathological Image Analysis: A Review [62.14548392474976]
病理組織像 (HIs) は癌診断における腫瘍の種類を評価するための金の基準である。このような分析を高速化する方法の1つは、コンピュータ支援診断(CAD)システムを使用することである。
論文参考訳（メタデータ） (2021-02-07T19:12:32Z)
Deep Learning for Medical Anomaly Detection -- A Survey [38.32234937094937]
本調査は,医学的異常検出における一般的な深層学習手法の詳細な理論的解析である。我々は、アーキテクチャの違いとトレーニングアルゴリズムを比較し、対比しながら、最先端技術の一貫性と体系的なレビューに貢献する。さらに,既存の深部医学的異常検出技術の重要な限界について概説し,今後の研究の方向性について検討する。
論文参考訳（メタデータ） (2020-12-04T02:09:37Z)
Objective Diagnosis for Histopathological Images Based on Machine Learning Techniques: Classical Approaches and New Trends [0.33554367023486936]
病理組織像は顕微鏡で撮影され、多くの疾患を特定し、調査し、分類する。病理組織像の解析は、疾患の診断を支援する多種多様かつ関連する研究領域である。本稿では, 組織像解析に応用された従来の深層学習技術について概観する。
論文参考訳（メタデータ） (2020-11-10T07:31:05Z)
Weakly supervised multiple instance learning histopathological tumor segmentation [51.085268272912415]
スライド画像全体のセグメント化のための弱教師付きフレームワークを提案する。トレーニングモデルに複数のインスタンス学習スキームを利用する。提案するフレームワークは,The Cancer Genome AtlasとPatchCamelyonデータセットのマルチロケーションとマルチ中心公開データに基づいて評価されている。
論文参考訳（メタデータ） (2020-04-10T13:12:47Z)
Deep neural network models for computational histopathology: A survey [1.2891210250935146]
深層学習はがん組織像の分析と解釈において主流の方法論選択となりました本稿では,現在使われている最先端の深層学習手法について概説する。私たちは、現在のディープラーニングアプローチにおける重要な課題と制限と、将来の研究への道のりを強調します。
論文参考訳（メタデータ） (2019-12-28T01:04:25Z)

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。