論文の概要: Leveraging object detection for the identification of lung cancer
- arxiv url: http://arxiv.org/abs/2305.15813v1
- Date: Thu, 25 May 2023 07:53:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-26 16:37:23.326344
- Title: Leveraging object detection for the identification of lung cancer
- Title(参考訳): 肺癌の診断にオブジェクト検出を活用する
- Authors: Karthick Prasad Gunasekaran
- Abstract要約: YOLOv5モデルは、がん性肺病変を検出するアルゴリズムの訓練に使用された。
訓練されたYOLOv5モデルは、肺癌の病変を同定し、高い精度とリコール率を示した。
- 参考スコア(独自算出の注目度): 0.15229257192293202
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Lung cancer poses a significant global public health challenge, emphasizing
the importance of early detection for improved patient outcomes. Recent
advancements in deep learning algorithms have shown promising results in
medical image analysis. This study aims to explore the application of object
detection particularly YOLOv5, an advanced object identification system, in
medical imaging for lung cancer identification. To train and evaluate the
algorithm, a dataset comprising chest X-rays and corresponding annotations was
obtained from Kaggle. The YOLOv5 model was employed to train an algorithm
capable of detecting cancerous lung lesions. The training process involved
optimizing hyperparameters and utilizing augmentation techniques to enhance the
model's performance. The trained YOLOv5 model exhibited exceptional proficiency
in identifying lung cancer lesions, displaying high accuracy and recall rates.
It successfully pinpointed malignant areas in chest radiographs, as validated
by a separate test set where it outperformed previous techniques. Additionally,
the YOLOv5 model demonstrated computational efficiency, enabling real-time
detection and making it suitable for integration into clinical procedures. This
proposed approach holds promise in assisting radiologists in the early
discovery and diagnosis of lung cancer, ultimately leading to prompt treatment
and improved patient outcomes.
- Abstract(参考訳): 肺癌は公衆衛生上の重要な課題であり、早期発見の重要性を強調している。
近年のディープラーニングアルゴリズムの進歩は、医用画像解析において有望な結果を示している。
本研究の目的は,肺がん診断のための医用画像診断における先進的物体識別システムであるyolov5の応用について検討することである。
アルゴリズムを訓練し評価するために,Kaggleから胸部X線と対応するアノテーションからなるデータセットを得た。
YOLOv5モデルは、がん性肺病変を検出するアルゴリズムの訓練に使用された。
トレーニングプロセスには、ハイパーパラメータの最適化と、モデルの性能向上のための拡張技術の利用が含まれていた。
訓練されたYOLOv5モデルは、肺癌の病変を同定し、高い精度とリコール率を示した。
胸部x線写真における悪性領域の特定に成功し、以前の技術を上回る別の検査セットで検証された。
さらに、YOLOv5モデルは計算効率を示し、リアルタイム検出を可能にし、臨床手順への統合に適している。
このアプローチは、肺癌の早期発見と診断における放射線科医の補助を約束しており、最終的には迅速な治療と患者の予後の改善に繋がる。
関連論文リスト
- Histopathologic Cancer Detection [0.0]
この作業では、PatchCamelyonベンチマークデータセットを使用して、モデルをマルチレイヤのパーセプトロンと畳み込みモデルでトレーニングし、精度の高いリコール、F1スコア、精度、AUCスコアでモデルのパフォーマンスを観察する。
また,データ拡張を伴うResNet50とInceptionNetモデルを導入し,ResNet50が最先端モデルに勝てることを示す。
論文 参考訳(メタデータ) (2023-11-13T19:51:46Z) - High-risk Factor Prediction in Lung Cancer Using Thin CT Scans: An
Attention-Enhanced Graph Convolutional Network Approach [9.795111455349183]
肺がんは、特に進行期において、世界中で死因となっている。
本研究は,術前CT画像に基づいて,I期肺癌に高リスク因子が存在するか否かを分類するために,Atention-Enhanced Graph Convolutional Network (AE-GCN)モデルを提案する。
論文 参考訳(メタデータ) (2023-08-27T04:24:04Z) - Deep Reinforcement Learning Framework for Thoracic Diseases
Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。
本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。
提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文 参考訳(メタデータ) (2023-06-02T01:46:31Z) - Breast Cancer Detection and Diagnosis: A comparative study of
state-of-the-arts deep learning architectures [3.883460584034766]
南アフリカなど世界3カ国の乳がん患者の生存率は驚くほど低い。
医療専門家や研究者は、エンドツーエンドソリューションを開発するために、ドメイン固有のAIアプローチ、特にディープラーニングモデルに目を向けている。
本研究では、ビジョントランスフォーマー(ViT)と呼ばれる比較的新しいモデルと比較して、様々な最先端畳み込みニューラルネットワーク(CNN)アーキテクチャの性能を評価することに焦点を当てる。
論文 参考訳(メタデータ) (2023-05-31T15:21:34Z) - 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) - Towards Reliable and Explainable AI Model for Solid Pulmonary Nodule
Diagnosis [20.510918720980467]
肺がんは世界で最も死亡率が高い。
結節検出・診断において,放射線科医を支援するコンピュータ支援診断システム(CAD)が開発された。
モデル信頼性の欠如と解釈可能性の欠如は、その大規模臨床応用の大きな障害である。
論文 参考訳(メタデータ) (2022-04-08T08:21:00Z) - 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) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳(メタデータ) (2021-05-25T12:06:55Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳(メタデータ) (2021-02-26T02:29:30Z) - 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) - Deep Learning for Automatic Pneumonia Detection [72.55423549641714]
肺炎は小児の主要な死因であり、世界でも最多死亡率の1つである。
コンピュータ支援診断システムは診断精度を向上させる可能性を示した。
本研究では, 単発検出, 圧縮励起深部畳み込みニューラルネットワーク, 拡張, マルチタスク学習に基づく肺炎領域検出のための計算手法を開発した。
論文 参考訳(メタデータ) (2020-05-28T10:54:34Z)
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。