Fugu-MT 論文翻訳(概要): ASCAPE: An open AI ecosystem to support the quality of life of cancer patients

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

Cancer-Net SCa-Synth: An Open Access Synthetically Generated 2D Skin Lesion Dataset for Skin Cancer Classification [65.83291923029985]
アメリカ合衆国では、皮膚がんが最も一般的に診断されるがんと位置づけられており、公衆衛生上の問題となっている。データセットのキュレーションとディープラーニングの進歩により、皮膚がんの迅速かつ正確な検出が期待できる。 Cancer-Net SCa- Synthは、皮膚がん分類のためのオープンアクセス合成された2D皮膚病変データセットである。
論文参考訳（メタデータ） (2024-11-08T02:04:21Z)
Breast Cancer Diagnosis: A Comprehensive Exploration of Explainable Artificial Intelligence (XAI) Techniques [38.321248253111776]
乳がんの診断・診断における説明可能な人工知能(XAI)技術の適用について検討する。複雑なAIモデルと実用的な医療アプリケーションの間のギャップを埋めることにおけるXAIの可能性を強調することを目的としている。
論文参考訳（メタデータ） (2024-06-01T18:50:03Z)
A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文参考訳（メタデータ） (2024-05-21T06:44:40Z)
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 [61.36288157482697]
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)
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)
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)

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。