論文の概要: AI in Thyroid Cancer Diagnosis: Techniques, Trends, and Future
Directions
- arxiv url: http://arxiv.org/abs/2308.13592v1
- Date: Fri, 25 Aug 2023 17:27:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-29 20:17:34.840715
- Title: AI in Thyroid Cancer Diagnosis: Techniques, Trends, and Future
Directions
- Title(参考訳): 甲状腺癌診断におけるAI : 技術,動向,今後の方向性
- Authors: Yassine Habchi, Yassine Himeur, Hamza Kheddar, Abdelkrim Boukabou,
Shadi Atalla, Ammar Chouchane, Abdelmalik Ouamane, and Wathiq Mansoor
- Abstract要約: 本報告では, 甲状腺癌の診断に使用される人工知能(AI)技術に関する大量の論文を要約する。
この研究は、教師なし、教師なし、またはハイブリッド技術を通じて、AIベースのツールが甲状腺癌の診断と治療をどのようにサポートするかに焦点を当てている。
- 参考スコア(独自算出の注目度): 3.2071249735671348
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There has been a growing interest in creating intelligent diagnostic systems
to assist medical professionals in analyzing and processing big data for the
treatment of incurable diseases. One of the key challenges in this field is
detecting thyroid cancer, where advancements have been made using machine
learning (ML) and big data analytics to evaluate thyroid cancer prognosis and
determine a patient's risk of malignancy. This review paper summarizes a large
collection of articles related to artificial intelligence (AI)-based techniques
used in the diagnosis of thyroid cancer. Accordingly, a new classification was
introduced to classify these techniques based on the AI algorithms used, the
purpose of the framework, and the computing platforms used. Additionally, this
study compares existing thyroid cancer datasets based on their features. The
focus of this study is on how AI-based tools can support the diagnosis and
treatment of thyroid cancer, through supervised, unsupervised, or hybrid
techniques. It also highlights the progress made and the unresolved challenges
in this field. Finally, the future trends and areas of focus in this field are
discussed.
- Abstract(参考訳): 医療専門家が不治の病気の治療のためにビッグデータを分析し、処理するのを助けるインテリジェントな診断システムを作ることへの関心が高まっている。
この分野での重要な課題の1つは甲状腺がんの検出であり、機械学習(ML)とビッグデータ分析を用いて甲状腺癌の予後を評価し、患者の悪性度リスクを決定する。
本報告では, 甲状腺癌の診断に使用される人工知能(AI)技術に関する大量の論文を要約する。
これにより、使用するAIアルゴリズム、フレームワークの目的、使用するコンピューティングプラットフォームに基づいて、これらのテクニックを分類する新たな分類が導入された。
さらに,本研究は,その特徴に基づいて既存の甲状腺癌データセットを比較検討した。
この研究は、教師なし、教師なし、またはハイブリッド技術を通じて、AIベースのツールが甲状腺癌の診断と治療をどのようにサポートするかに焦点を当てている。
また、この分野の進歩と未解決の課題についても強調する。
最後に、この分野における今後の動向と焦点分野について論じる。
関連論文リスト
- From Data to Insights: A Comprehensive Survey on Advanced Applications
in Thyroid Cancer Research [18.42107238058712]
甲状腺癌における機械学習応用の包括的分類法を体系的に検討し,検討を行った。
合計758の関連研究が特定され、精査された。
この領域で直面する重要な課題を強調し、今後の研究機会を提案する。
論文 参考訳(メタデータ) (2024-01-08T08:10:37Z) - Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted
Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。
拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。
本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
論文 参考訳(メタデータ) (2023-11-30T15:11:03Z) - The State of Applying Artificial Intelligence to Tissue Imaging for
Cancer Research and Early Detection [0.0]
回帰、分類、セグメンテーション、生成、圧縮タスクを含む、モデルが開発する5つのコアタスクを特定します。
このような方法が直面するメリットや課題に対処し,がん予防や治療にどのように適応できるかを検討する。
論文 参考訳(メタデータ) (2023-06-29T14:47:03Z) - 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) - Machine Learning Methods for Cancer Classification Using Gene Expression
Data: A Review [77.34726150561087]
がんは心臓血管疾患の2番目の死因である。
遺伝子発現は癌の早期発見において基本的な役割を担っている。
本研究は,機械学習を用いた癌分類における遺伝子発現解析の最近の進歩を概説する。
論文 参考訳(メタデータ) (2023-01-28T15:03:03Z) - 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) - Future Artificial Intelligence tools and perspectives in medicine [1.7532045941271799]
現在、がんの限られた管理は人工知能の恩恵を受けており、主にコンピューター支援診断に関連しており、追加のリスクとコストを示す生検分析を避けている。
本稿では,臨床応用のためのAIベースの放射線治療ツールの進歩について概説する。
論文 参考訳(メタデータ) (2022-06-04T11:27:43Z) - Topological Data Analysis of copy number alterations in cancer [70.85487611525896]
癌ゲノム情報に含まれる情報を新しいトポロジに基づくアプローチで捉える可能性を探る。
本手法は, 癌体性遺伝データに有意な低次元表現を抽出する可能性を秘めている。
論文 参考訳(メタデータ) (2020-11-22T17:31:23Z) - A systematic review on the role of artificial intelligence in
sonographic diagnosis of thyroid cancer: Past, present and future [0.6523396727243321]
本総説は甲状腺癌の診断に利用できるテクニックの方法論に基づく分類である。
甲状腺悪性腫瘍の超音波診断分野の動向と課題を考察する。
マシンラーニングは、将来の甲状腺癌診断フレームワークの開発において、引き続き基本的な役割を果たす。
論文 参考訳(メタデータ) (2020-06-10T14:38:05Z) - Review of Artificial Intelligence Techniques in Imaging Data
Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。
X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。
最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
論文 参考訳(メタデータ) (2020-04-06T15:21:34Z)
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。