Fugu-MT 論文翻訳(概要): Deep Learning Approach for Early Stage Lung Cancer Detection

論文の概要: Deep Learning Approach for Early Stage Lung Cancer Detection

arxiv url: http://arxiv.org/abs/2302.02456v1
Date: Sun, 5 Feb 2023 18:50:12 GMT
ステータス: 処理完了
システム内更新日: 2023-02-07 18:07:13.781920
Title: Deep Learning Approach for Early Stage Lung Cancer Detection
Title（参考訳）: 早期肺癌検出のためのディープラーニングアプローチ
Authors: Saleh Abunajm, Nelly Elsayed, Zag ElSayed, Murat Ozer
Abstract要約: 肺癌患者の生存率は遅発診断による他のがん患者と比較して非常に低い。本稿ではCTスキャンによる早期肺癌の予測と診断のためのディープラーニングモデルを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Lung cancer is the leading cause of death among different types of cancers. Every year, the lives lost due to lung cancer exceed those lost to pancreatic, breast, and prostate cancer combined. The survival rate for lung cancer patients is very low compared to other cancer patients due to late diagnostics. Thus, early lung cancer diagnostics is crucial for patients to receive early treatments, increasing the survival rate or even becoming cancer-free. This paper proposed a deep-learning model for early lung cancer prediction and diagnosis from Computed Tomography (CT) scans. The proposed mode achieves high accuracy. In addition, it can be a beneficial tool to support radiologists' decisions in predicting and detecting lung cancer and its stage.
Abstract（参考訳）: 肺がんは、様々な種類のがんの死因の主要な原因である。毎年、肺がんによって失われた命は、膵臓癌、乳がん、前立腺癌に失われたものを超える。肺癌患者の生存率は遅発診断による他のがん患者と比較して非常に低い。したがって、早期肺癌の診断は、早期治療を受け、生存率を高めたり、がんのない状態になるためにも不可欠である。本稿では,ctスキャンによる早期肺癌の予測と診断のためのディープラーニングモデルを提案する。提案方式は高精度である。加えて、肺がんの予測と検出における放射線科医の意思決定を支援する有用なツールである。

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)
Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
論文参考訳（メタデータ） (2024-05-13T15:40:56Z)
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 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)
Artificial intelligence based prediction on lung cancer risk factors using deep learning [0.0]
早期の症状の捕捉と定義は、患者にとって最も難しい段階の1つである。深層学習手法を用いて,肺がんを極めて高い精度で検出できるモデルを開発した。その結果, 精度は94%, 最小損失は0.1%であった。
論文参考訳（メタデータ） (2023-04-11T08:57:15Z)
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)
Machine Learning-based Lung and Colon Cancer Detection using Deep Feature Extraction and Ensemble Learning [0.9786690381850355]
肺がんと大腸癌を効率よく同定するためのハイブリッドアンサンブル特徴抽出モデルを提案する。深い特徴抽出とアンサンブル学習と、がん画像データセットのための高性能なフィルタリングを統合している。本モデルでは, 99.05%, 100%, 99.30%の精度で, 肺癌, 大腸癌, 結腸癌を検出できる。
論文参考訳（メタデータ） (2022-06-02T15:14:41Z)
Classification of Histopathology Images of Lung Cancer Using Convolutional Neural Network (CNN) [0.2578242050187029]
がんは人体内の異常な細胞の制御不能な細胞分裂であり、他の臓器に拡がることがある。非感染性疾患(NCD)の1つであり、NCDは全世界で死者の71%を占めている。乳癌は女性乳癌に次いで2番目に多いがんである。肺癌の生存率は19%に過ぎない。
論文参考訳（メタデータ） (2021-12-27T07:43:58Z)
Early Diagnosis of Lung Cancer Using Computer Aided Detection via Lung Segmentation Approach [0.1749935196721634]
アメリカがん協会は、がんによる死亡件数の約27%を推定している。その進化の初期段階では、肺がんは通常は症状を起こさない。多くの患者は、症状がより顕著になり、治療が不十分で死亡率の高い進行期に診断されている。
論文参考訳（メタデータ） (2021-07-23T05:46:06Z)

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。