論文の概要: ASCAPE: An open AI ecosystem to support the quality of life of cancer
patients
- arxiv url: http://arxiv.org/abs/2308.14390v1
- Date: Mon, 28 Aug 2023 08:14:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-29 14:50:29.380160
- Title: ASCAPE: An open AI ecosystem to support the quality of life of cancer
patients
- Title(参考訳): ASCAPE: がん患者の生活の質を支えるオープンAIエコシステム
- Authors: Konstantinos Lampropoulos, Thanos Kosmidis, Serge Autexier, Milos
Savic, Manos Athanatos, Miltiadis Kokkonidis, Tzortzia Koutsouri, Anamaria
Vizitiu, Antonios Valachis, Miriam Quintero Padron
- Abstract要約: ASCAPEは、人工知能(AI)と機械学習(ML)の最近の進歩を活用して、がん患者のQoL(QoL)をサポートするオープンAIインフラストラクチャである。
医療ステークホルダは、プライベートな医療データをローカルに処理し、オープンなAIインフラストラクチャを通じて生成された知識(MLモデル)を共有することができる。
- 参考スコア(独自算出の注目度): 1.1870176005431312
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The latest cancer statistics indicate a decrease in cancer-related mortality.
However, due to the growing and ageing population, the absolute number of
people living with cancer is set to keep increasing. This paper presents
ASCAPE, an open AI infrastructure that takes advantage of the recent advances
in Artificial Intelligence (AI) and Machine Learning (ML) to support cancer
patients quality of life (QoL). With ASCAPE health stakeholders (e.g.
hospitals) can locally process their private medical data and then share the
produced knowledge (ML models) through the open AI infrastructure.
- Abstract(参考訳): 最新のがん統計は、がん関連の死亡率の低下を示している。
しかし、人口の増加と高齢化により、がんに罹患する人々の絶対数は増え続けている。
本稿では、人工知能(AI)と機械学習(ML)の最近の進歩を利用して、がん患者のQoL(QoL)を支援するオープンなAI基盤であるASCAPEを提案する。
ASCAPEの医療ステークホルダー(例えば病院)は、プライベートな医療データをローカルに処理し、オープンなAIインフラストラクチャを通じて生成された知識(MLモデル)を共有することができる。
関連論文リスト
- AI-Enabled Lung Cancer Prognosis [1.2054979237210064]
肺がんはがんによる死亡の主な原因であり、2020年には全世界で約179万人が死亡している。
これらのうち、非小細胞肺癌(NSCLC)が主な亜型であり、顕著な出血性予後を特徴とする。
人工知能(AI)の最近の進歩は、肺癌の予後に革命をもたらした。
論文 参考訳(メタデータ) (2024-02-12T22:09:43Z) - 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) - Double-Condensing Attention Condenser: Leveraging Attention in Deep
Learning to Detect Skin Cancer from Skin Lesion Images [65.83291923029985]
皮膚がんはアメリカ合衆国で最も一般的な種類のがんであり、5人に1人のアメリカ人に影響を与えると推定されている。
近年の進歩は,SIIM-ISICメラノーマ分類チャレンジのアートパフォーマンスの状況から,皮膚がん検出に強い効果を示している。
本稿では,皮膚病変画像の皮膚癌検出に効率的な自己注意構造を活用し,皮膚病変画像からの皮膚癌検出をカスタマイズしたDC-ACを用いたディープニューラルネットワーク設計を提案する。
論文 参考訳(メタデータ) (2023-11-20T10:45:39Z) - Combining Survival Analysis and Machine Learning for Mass Cancer Risk
Prediction using EHR data [1.4544466111038845]
がんスクリーニング法は、しばしば費用がかかり、時間がかかり、大規模に適用が弱い。
高度な人工知能(AI)法は、がんの検出に大いに役立つが、特定のまたは深い医療データを必要とする。
本稿では, EHRデータを用いたがんリスク予測手法を提案する。
論文 参考訳(メタデータ) (2023-09-26T16:15:54Z) - 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) - A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer
Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。
Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
論文 参考訳(メタデータ) (2023-04-12T05:41:44Z) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳(メタデータ) (2023-01-08T15:02:38Z) - 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) - Leveraging a Joint of Phenotypic and Genetic Features on Cancer Patient
Subgrouping [7.381190270069632]
がん患者サブグループのための表現型および遺伝的特徴の関節を利用したシステムを開発した。
機能前処理では、最も関連する機能を保ちながらフィルタリングを行いました。
がん患者分類では、Random Forests (RF)、Decision Tree (DT)、Support Vector Machine (SVM)、Naive Bayes (NB)、Logistic Regression (LR)、Multilayer Perceptron (MLP)、Gradient Boosting (GB)、Convolutional Neural Network (CNN)、Feedforward Neural Network (FNN)の9つの機械学習モデルを活用しました。
論文 参考訳(メタデータ) (2021-03-30T13:07:05Z) - CancerNet-SCa: Tailored Deep Neural Network Designs for Detection of
Skin Cancer from Dermoscopy Images [71.68436132514542]
皮膚がんはアメリカ合衆国で最も頻繁に診断されるがんである。
本研究では,皮膚内視鏡画像から皮膚がんを検出するための深層神経回路の設計手法である CancerNet-SCa について紹介する。
論文 参考訳(メタデータ) (2020-11-21T02:17:59Z) - Explainable AI meets Healthcare: A Study on Heart Disease Dataset [0.0]
目的は、様々な技術を用いて説明可能なAIシステムの理解性と解釈可能性について実践者に啓蒙することである。
本論文は、心臓病データセットに基づく例を収録し、信頼性を高めるために説明可能性技術をどのように好むべきかを解明する。
論文 参考訳(メタデータ) (2020-11-06T05:18:43Z)
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。