論文の概要: Automated Knowledge Modeling for Cancer Clinical Practice Guidelines
- arxiv url: http://arxiv.org/abs/2307.10231v1
- Date: Sat, 15 Jul 2023 18:07:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-23 11:07:09.754240
- Title: Automated Knowledge Modeling for Cancer Clinical Practice Guidelines
- Title（参考訳）: がん診療ガイドラインのための知識自動モデリング
- Authors: Pralaypati Ta, Bhumika Gupta, Arihant Jain, Sneha Sree C, Arunima
Sarkar, Keerthi Ram, Mohanasankar Sivaprakasam
- Abstract要約: がん診療ガイドライン (CPGs) は, 活発な研究によって生み出された新たな証拠により, 急速に進展する。
現在、CPGは主に、この発展途上の知識を管理するのに不適な文書形式で発行されている。
オンコロジーにおけるNACN CPGから知識を自動的に抽出する手法を提案する。
- 参考スコア（独自算出の注目度）: 1.1083289076967895
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Clinical Practice Guidelines (CPGs) for cancer diseases evolve rapidly due to
new evidence generated by active research. Currently, CPGs are primarily
published in a document format that is ill-suited for managing this developing
knowledge. A knowledge model of the guidelines document suitable for
programmatic interaction is required. This work proposes an automated method
for extraction of knowledge from National Comprehensive Cancer Network (NCCN)
CPGs in Oncology and generating a structured model containing the retrieved
knowledge. The proposed method was tested using two versions of NCCN Non-Small
Cell Lung Cancer (NSCLC) CPG to demonstrate the effectiveness in faithful
extraction and modeling of knowledge. Three enrichment strategies using Cancer
staging information, Unified Medical Language System (UMLS) Metathesaurus &
National Cancer Institute thesaurus (NCIt) concepts, and Node classification
are also presented to enhance the model towards enabling programmatic traversal
and querying of cancer care guidelines. The Node classification was performed
using a Support Vector Machine (SVM) model, achieving a classification accuracy
of 0.81 with 10-fold cross-validation.
- Abstract（参考訳）: がん診療ガイドライン (CPGs) は, 活発な研究によって生み出された新たな証拠により, 急速に進展する。
現在、CPGは主に、この発展途上の知識を管理するのに不適な文書形式で発行されている。
プログラム的相互作用に適したガイドライン文書の知識モデルが必要となる。
本研究は,国立包括癌ネットワーク(nccn)cpgから得られた知識を自動的に抽出し,得られた知識を含む構造化モデルを生成する手法を提案する。
nccn非小細胞肺癌(nsclc)cpgの2つのバージョンを用いて,知識の忠実な抽出とモデリングの有効性を実証した。
がんステージング情報を用いた3つのエンリッチメント戦略,UMLS(Unified Medical Language System, Metathesaurus & National Cancer Institute Thesaurus, NCIT)概念, およびNode分類も提示され, がん診療ガイドラインのプログラム的トラバースとクエリ化の実現に向けたモデルが強化された。
ノード分類はサポートベクトルマシン(SVM)モデルを用いて行われ、10倍のクロスバリデーションで0.81の分類精度を達成した。
関連論文リスト
- Knowledge Models for Cancer Clinical Practice Guidelines : Construction, Management and Usage in Question Answering [1.8637078358591848]
本研究は,がん診療ガイドライン(CPG)から知識モデルを作成するための知識自動モデリングアルゴリズムを提案する。
我々は、知識モデルに問い合わせる能力を研究するための強化知識ベースとして、ガイドライン知識モデルを用いた質問応答(Q&A)フレームワークを作成しました。
このフレームワークは、あるデータソースからの問合せ対に対して評価され、処理アルゴリズムから54.5%の精度、NACN NSCLCガイドラインナレッジモデルの議論部分から81.8%の精度で回答を生成することができる。
論文 参考訳（メタデータ） (2024-07-23T11:26:40Z) - 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) - A novel method to compute the contact surface area between an organ and cancer tissue [81.84413479369512]
CSA(contact surface area)とは、腫瘍と臓器の間の接触領域のこと。
我々は,腫瘍と臓器の3次元再構成を頼りに,CSAの正確な客観的評価を行う革新的な方法を提案する。
論文 参考訳（メタデータ） (2024-01-19T14:34:34Z) - 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) - Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。
本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文 参考訳（メタデータ） (2022-02-17T08:33:52Z) - 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) - BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer
Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。
提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。
臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文 参考訳（メタデータ） (2021-10-05T19:14:46Z) - A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。
これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。
提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
論文 参考訳（メタデータ） (2021-02-26T17:49:58Z) - Hierarchical Deep Learning Classification of Unstructured Pathology
Reports to Automate ICD-O Morphology Grading [0.0]
本稿では,畳み込みニューラルネットワークモデルを用いた階層的深層学習分類手法を提案する。
ICD-O形態素分類のためのフラット・マルチクラスCNNモデルと比較して,階層的深層学習分類法では性能が向上することが実証された。
論文 参考訳（メタデータ） (2020-08-28T12:36:58Z) - The scalable Birth-Death MCMC Algorithm for Mixed Graphical Model
Learning with Application to Genomic Data Integration [0.0]
本稿では,異なるタイプのマルチオミックデータを解析するための混合グラフィカルモデルを提案する。
モデル選択結果の計算効率と精度の両面で,本手法が優れていることがわかった。
論文 参考訳（メタデータ） (2020-05-08T16:34:58Z) - A Novel and Efficient Tumor Detection Framework for Pancreatic Cancer
via CT Images [21.627818410241552]
本稿では,新しい膵腫瘍検出フレームワークを提案する。
提案手法のコントリビューションは,Augmented Feature Pyramid Network,Self-Adaptive Feature Fusion,Dependencies Computation Moduleの3つのコンポーネントから構成される。
実験により,AUCの0.9455による検出において,他の最先端手法よりも優れた性能が得られた。
論文 参考訳（メタデータ） (2020-02-11T15:48:22Z)
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。