論文の概要: Intelligent diagnostic scheme for lung cancer screening with Raman spectra data by tensor network machine learning

• arxiv url: http://arxiv.org/abs/2303.06340v1
• Date: Sat, 11 Mar 2023 07:57:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-14 19:38:08.705170
• Title: Intelligent diagnostic scheme for lung cancer screening with Raman spectra data by tensor network machine learning
• Title（参考訳）: テンソルネットワーク機械学習によるRamanスペクトルデータを用いた肺癌検診のインテリジェント診断法
• Authors: Yu-Jia An, Sheng-Chen Bai, Lin Cheng, Xiao-Guang Li, Cheng-en Wang, Xiao-Dong Han, Gang Su, Shi-Ju Ran, Cong Wang
• Abstract要約: 呼気中の揮発性有機化合物(VOC)のラマンスペクトルデータをスクリーニングすることにより,肺がん患者とそのステージを確実に予測するテンソルネットワーク(TN)-ML法を提案する。 高い確実性を持つサンプルの精度はほぼ100$%$である。
• 参考スコア（独自算出の注目度）: 10.813777115744362
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial intelligence (AI) has brought tremendous impacts on biomedical sciences from academic researches to clinical applications, such as in biomarkers' detection and diagnosis, optimization of treatment, and identification of new therapeutic targets in drug discovery. However, the contemporary AI technologies, particularly deep machine learning (ML), severely suffer from non-interpretability, which might uncontrollably lead to incorrect predictions. Interpretability is particularly crucial to ML for clinical diagnosis as the consumers must gain necessary sense of security and trust from firm grounds or convincing interpretations. In this work, we propose a tensor-network (TN)-ML method to reliably predict lung cancer patients and their stages via screening Raman spectra data of Volatile organic compounds (VOCs) in exhaled breath, which are generally suitable as biomarkers and are considered to be an ideal way for non-invasive lung cancer screening. The prediction of TN-ML is based on the mutual distances of the breath samples mapped to the quantum Hilbert space. Thanks to the quantum probabilistic interpretation, the certainty of the predictions can be quantitatively characterized. The accuracy of the samples with high certainty is almost 100$\%$. The incorrectly-classified samples exhibit obviously lower certainty, and thus can be decipherably identified as anomalies, which will be handled by human experts to guarantee high reliability. Our work sheds light on shifting the ``AI for biomedical sciences'' from the conventional non-interpretable ML schemes to the interpretable human-ML interactive approaches, for the purpose of high accuracy and reliability.
• Abstract（参考訳）: 人工知能(AI)は、バイオマーカーの検出と診断、治療の最適化、薬物発見における新たな治療ターゲットの同定など、学術研究から臨床応用へのバイオメディカル科学への多大な影響をもたらした。 しかし、現代のAI技術、特にディープラーニング(ML)は非解釈性に苦しむため、制御不能に誤った予測につながる可能性がある。 消費者は確固とした根拠や説得力のある解釈から必要な安心感と信頼を得る必要があるため、mlにとって解釈性は特に重要である。 本研究では,吸入呼吸中の揮発性有機化合物(VOC)のラマンスペクトルデータをスクリーニングすることにより,肺癌患者とそのステージを確実に予測するテンソルネットワーク(TN)-ML法を提案する。 TN-MLの予測は、量子ヒルベルト空間にマッピングされた呼吸サンプルの相互距離に基づいている。 量子確率論的解釈により、予測の確実性は定量的に特徴づけられる。 確度の高い試料の精度は、ほぼ100$%$である。 誤分類されたサンプルは明らかに確実性が低いため、人間の専門家が高い信頼性を保証するために処理する異常として識別することができる。 本研究は,「バイオメディカルサイエンスのためのAI」を従来の非解釈可能なMLスキームから解釈可能な人間-MLインタラクティブアプローチへシフトさせることに重点を置いている。

関連論文リスト

• Uncertainty-Aware Adaptation of Large Language Models for Protein-Protein Interaction Analysis [10.67543730905283]
  大規模言語モデル(LLM)は、タンパク質の構造や相互作用を予測する際、顕著な可能性を示している。 しかし、それらの固有の不確実性は再現可能な発見を導き出す上で重要な課題である。 微調整LLaMA-3とBioMedGPTモデルを利用して,PPI解析のためのLLMの不確実性を考慮した適応を提案する。
  論文  参考訳（メタデータ） (2025-02-10T05:54:36Z)
• A Robust Support Vector Machine Approach for Raman COVID-19 Data Classification [0.7864304771129751]
  本稿では,ラマン分光法から得られた新型コロナウイルスの分類における,SVM(Support Vector Machine)のための新しいロバストな定式化の性能について検討する。 我々は、各観測の周囲の有界な不確実性集合を用いて、決定論的定式化の頑健な相反するモデルを導出する。 本手法の有効性は,イタリアの病院が提供した実世界のCOVID-19データセットで検証されている。
  論文  参考訳（メタデータ） (2025-01-29T14:02:45Z)
• Variational and Explanatory Neural Networks for Encoding Cancer Profiles and Predicting Drug Responses [40.80133767939435]
  既存のAIモデルは、転写学データのノイズと生物学的解釈性の欠如により、課題に直面している。 ノイズ効果を軽減するために変動成分を組み込んだ新しいニューラルネットワークフレームワークVETEを紹介する。 VETEは、AIによる予測と、がん研究における生物学的に意味のある洞察のギャップを埋める。
  論文  参考訳（メタデータ） (2024-07-05T13:13:02Z)
• 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)
• Detecting and clustering swallow events in esophageal long-term high-resolution manometry [48.688209040613216]
  深達度学習に基づく飲み込み検出法を提案し, 二次性非解離性食道運動障害を正確に同定する。 われわれは,25 LTHRMで計算パイプラインを評価し,医療専門家の注意を喚起した。
  論文  参考訳（メタデータ） (2024-05-02T09:41:31Z)
• Mixed-Integer Projections for Automated Data Correction of EMRs Improve Predictions of Sepsis among Hospitalized Patients [7.639610349097473]
  本稿では,領域制約として臨床専門知識をシームレスに統合する革新的プロジェクションに基づく手法を提案する。 我々は、患者データの健全な範囲を規定する制約から補正されたデータの距離を測定する。 AUROCは0.865で、精度は0.922で、従来のMLモデルを上回る。
  論文  参考訳（メタデータ） (2023-08-21T15:14:49Z)
• A marker-less human motion analysis system for motion-based biomarker discovery in knee disorders [60.99112047564336]
  NHSは低リスクの全ての患者に会うのが難しくなっているが、これはOA患者に限らない。 膝関節疾患の診断と治療経過のモニタリングのためのバイオマーカー自動同定法を提案する。
  論文  参考訳（メタデータ） (2023-04-26T16:47:42Z)
• 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)
• Detecting Shortcut Learning for Fair Medical AI using Shortcut Testing [62.9062883851246]
  機械学習は医療の改善に大いに貢献するが、その利用が健康格差を広めたり増幅したりしないことを確実にすることは重要である。 アルゴリズムの不公平性の潜在的な要因の1つ、ショートカット学習は、トレーニングデータにおける不適切な相関に基づいてMLモデルが予測した時に発生する。 マルチタスク学習を用いて,臨床MLシステムの公平性評価の一環として,ショートカット学習の評価と緩和を行う手法を提案する。
  論文  参考訳（メタデータ） (2022-07-21T09:35:38Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Fast and automated biomarker detection in breath samples with machine learning [1.2026897155625271]
  ヒトの呼吸中の揮発性有機化合物(VOC)は、様々な健康状態を明らかにすることができる。 ガスクロマトグラフィー質量分析法(GC-MS)はVOCの測定に用いられているが、その応用は専門家主導のデータ分析によって制限されている。 本稿では, VOCを学習し, 自動検出するディープラーニングパターン認識機能を活用したGC-MSデータ解析システムを提案する。
  論文  参考訳（メタデータ） (2020-05-24T11:44:28Z)

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。