論文の概要: Artificial intelligence based prediction on lung cancer risk factors
using deep learning
- arxiv url: http://arxiv.org/abs/2304.05065v1
- Date: Tue, 11 Apr 2023 08:57:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-12 15:38:52.723453
- Title: Artificial intelligence based prediction on lung cancer risk factors
using deep learning
- Title（参考訳）: 深層学習による肺癌危険因子の予測に基づく人工知能
- Authors: Muhammad Sohaib, Mary Adewunmi
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this proposed work, we identified the significant research issues on lung
cancer risk factors. Capturing and defining symptoms at an early stage is one
of the most difficult phases for patients. Based on the history of patients
records, we reviewed a number of current research studies on lung cancer and
its various stages. We identified that lung cancer is one of the significant
research issues in predicting the early stages of cancer disease. This research
aimed to develop a model that can detect lung cancer with a remarkably high
level of accuracy using the deep learning approach (convolution neural
network). This method considers and resolves significant gaps in previous
studies. We compare the accuracy levels and loss values of our model with
VGG16, InceptionV3, and Resnet50. We found that our model achieved an accuracy
of 94% and a minimum loss of 0.1%. Hence physicians can use our convolution
neural network models for predicting lung cancer risk factors in the real
world. Moreover, this investigation reveals that squamous cell carcinoma,
normal, adenocarcinoma, and large cell carcinoma are the most significant risk
factors. In addition, the remaining attributes are also crucial for achieving
the best performance.
- Abstract（参考訳）: そこで本研究では,肺癌リスク因子に関する重要な研究課題を明らかにした。
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。
患者記録の変遷から,現在,肺癌とその様々な研究段階について,いくつかの研究成果を概説した。
肺癌は早期がんの予測において重要な研究課題の1つであると確認した。
本研究では,深層学習アプローチ(畳み込みニューラルネットワーク)を用いて,極めて高い精度で肺癌を検出できるモデルを開発することを目的とした。
この手法は過去の研究において大きなギャップを考慮し解決する。
我々は、vgg16、inceptionv3、resnet50とモデルの精度レベルと損失値を比較した。
我々のモデルは94%の精度を達成し、最小の損失は0.1%であった。
したがって医師は、畳み込みニューラルネットワークモデルを使用して、現実の肺がんの危険因子を予測することができる。
さらに, 扁平上皮癌, 正常, 腺癌, 大細胞癌が最も重要な危険因子であることが明らかとなった。
さらに、残りの属性は最高のパフォーマンスを達成するためにも重要です。
関連論文リスト
- 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) - Survival Prediction Across Diverse Cancer Types Using Neural Networks [40.392772795903795]
胃癌と大腸腺癌は広範囲で難治性の悪性腫瘍である。
医療コミュニティは、患者の予後を推定するための重要な指標として、5年間の生存率を受け入れている。
本研究は胃癌および大腸癌患者の生存予測モデルを改善するための先駆的アプローチを提案する。
論文 参考訳（メタデータ） (2024-04-11T21:47:13Z) - 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) - Penalized Deep Partially Linear Cox Models with Application to CT Scans
of Lung Cancer Patients [42.09584755334577]
肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。
NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。
本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
論文 参考訳（メタデータ） (2023-03-09T15:38:16Z) - Deep Learning Approach for Early Stage Lung Cancer Detection [0.0]
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。
論文 参考訳（メタデータ） (2023-02-05T18:50:12Z) - Deep learning methods for drug response prediction in cancer:
predominant and emerging trends [50.281853616905416]
がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。
最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。
このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
論文 参考訳（メタデータ） (2022-11-18T03:26:31Z) - 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) - 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) - Automatic Generation of Interpretable Lung Cancer Scoring Models from
Chest X-Ray Images [9.525711971667679]
肺がんは世界中でがんの死因となっている。
深層学習技術は肺がんの診断に有効である。
これらの技術は、まだ医療コミュニティによって承認され、採用されていない。
論文 参考訳（メタデータ） (2020-12-10T04:11:59Z) - 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)
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。