論文の概要: Improving Precancerous Case Characterization via Transformer-based
Ensemble Learning
- arxiv url: http://arxiv.org/abs/2212.05150v1
- Date: Sat, 10 Dec 2022 00:06:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 17:13:50.895495
- Title: Improving Precancerous Case Characterization via Transformer-based
Ensemble Learning
- Title（参考訳）: 変圧器を用いたアンサンブル学習による精密ケースキャラクタリゼーションの改善
- Authors: Yizhen Zhong, Jiajie Xiao, Thomas Vetterli, Mahan Matin, Ellen Loo,
Jimmy Lin, Richard Bourgon, Ofer Shapira
- Abstract要約: 自然言語処理のがん病理学報告への応用は、がん症例の検出に焦点が当てられている。
先天性腺腫のキャラクタリゼーションの改善は、早期がんの検出と予防のための診断試験の開発を支援する。
以上の結果から,NLPを用いて早期がん予防のための診断試験の開発を促進できる可能性が示唆された。
- 参考スコア（独自算出の注目度）: 31.891340667123124
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The application of natural language processing (NLP) to cancer pathology
reports has been focused on detecting cancer cases, largely ignoring
precancerous cases. Improving the characterization of precancerous adenomas
assists in developing diagnostic tests for early cancer detection and
prevention, especially for colorectal cancer (CRC). Here we developed
transformer-based deep neural network NLP models to perform the CRC
phenotyping, with the goal of extracting precancerous lesion attributes and
distinguishing cancer and precancerous cases. We achieved 0.914 macro-F1 scores
for classifying patients into negative, non-advanced adenoma, advanced adenoma
and CRC. We further improved the performance to 0.923 using an ensemble of
classifiers for cancer status classification and lesion size named entity
recognition (NER). Our results demonstrated the potential of using NLP to
leverage real-world health record data to facilitate the development of
diagnostic tests for early cancer prevention.
- Abstract（参考訳）: 癌病理報告への自然言語処理(NLP)の応用は癌症例の検出に焦点が当てられ、前向きな症例は無視されている。
癌早期発見・予防,特に大腸癌(crc)の診断診断において,先天性腺腫の特性改善が有用である。
そこで本研究では,crc表現型化を行うためのトランスフォーマリンを用いた深層ニューラルネットワークnlpモデルを開発した。
症例を陰性,非進行性腺腫,進行腺腫,crcに分類し,0.914マクロf1スコアを得た。
さらに,がん状態分類と病巣サイズ別エンティティ認識(ner)のための分類器のアンサンブルを用いた0.923の性能向上を行った。
以上の結果から,NLPを用いて早期がん予防のための診断試験の開発を促進できる可能性が示唆された。
関連論文リスト
- Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。
本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
論文 参考訳（メタデータ） (2024-05-23T07:03:38Z) - Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
乳がん治療計画において、グレーディングは重要な役割を担っている。
現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。
本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
論文 参考訳（メタデータ） (2024-05-13T15:48:26Z) - Variational Autoencoders for Feature Exploration and Malignancy
Prediction of Lung Lesions [0.0]
肺がんはイギリスで21%のがん死の原因となっている。
最近の研究は、定期的なスキャンから肺がんの正確な早期診断のためのAI手法の能力を実証している。
本研究では, 変異型オートエンコーダ(VAE)の肺癌病変に対する応用について検討した。
論文 参考訳（メタデータ） (2023-11-27T11:12:33Z) - Cancer-Net PCa-Data: An Open-Source Benchmark Dataset for Prostate
Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging
Data [75.77035221531261]
Cancer-Net PCa-Dataは、PCa患者の画像データであるボリュームCDI$s$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 PCa-Dataは、PCa用のCDI$s$画像データの最初の公開データセットである。
論文 参考訳（メタデータ） (2023-11-20T10:28:52Z) - 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) - 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) - Gene selection from microarray expression data: A Multi-objective PSO
with adaptive K-nearest neighborhood [0.0]
本稿では,遺伝子発現データを用いたヒト癌疾患の分類問題について論じる。
マイクロアレイデータセットを解析し,がん疾患を効果的に分類するための新しい手法を提案する。
論文 参考訳（メタデータ） (2022-05-27T04:22:10Z) - Leveraging a Joint of Phenotypic and Genetic Features on Cancer Patient
Subgrouping [7.381190270069632]
がん患者サブグループのための表現型および遺伝的特徴の関節を利用したシステムを開発した。
機能前処理では、最も関連する機能を保ちながらフィルタリングを行いました。
がん患者分類では、Random Forests (RF)、Decision Tree (DT)、Support Vector Machine (SVM)、Naive Bayes (NB)、Logistic Regression (LR)、Multilayer Perceptron (MLP)、Gradient Boosting (GB)、Convolutional Neural Network (CNN)、Feedforward Neural Network (FNN)の9つの機械学習モデルを活用しました。
論文 参考訳（メタデータ） (2021-03-30T13:07:05Z) - Topological Data Analysis of copy number alterations in cancer [70.85487611525896]
癌ゲノム情報に含まれる情報を新しいトポロジに基づくアプローチで捉える可能性を探る。
本手法は, 癌体性遺伝データに有意な低次元表現を抽出する可能性を秘めている。
論文 参考訳（メタデータ） (2020-11-22T17:31:23Z) - Machine Learning Against Cancer: Accurate Diagnosis of Cancer by Machine
Learning Classification of the Whole Genome Sequencing Data [0.0]
我々は,MLAC(Machine Learning Against Cancer)の新たな手法を開発し,完全精度,感度,特異性を実現した。
The Cancer Genome Atlas and Genotype-Tissue Expression project for cancerous and healthy tissues。
論文 参考訳（メタデータ） (2020-09-12T18:51:47Z)
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。