論文の概要: ANNCRIPS: Artificial Neural Networks for Cancer Research In Prediction &
Survival
- arxiv url: http://arxiv.org/abs/2309.15803v1
- Date: Tue, 26 Sep 2023 08:11:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-28 12:31:21.632072
- Title: ANNCRIPS: Artificial Neural Networks for Cancer Research In Prediction &
Survival
- Title(参考訳): ANNCRIPS: 癌研究のための予測と生存のためのニューラルネットワーク
- Authors: Amit Mathapati
- Abstract要約: 本研究では,ニューラルネットワーク(ANN)を用いたインテリジェントな数学的モデルの開発と検証に焦点をあてる。
このモデルの実装は、偽陽性の発生率を減らし、患者の結果を改善する有望な可能性を示す。
長期的な目標は、このソリューションを様々なスクリーニングセンター、病院、研究機関に展開できるようにすることである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Prostate cancer is a prevalent malignancy among men aged 50 and older.
Current diagnostic methods primarily rely on blood tests, PSA:Prostate-Specific
Antigen levels, and Digital Rectal Examinations (DRE). However, these methods
suffer from a significant rate of false positive results. This study focuses on
the development and validation of an intelligent mathematical model utilizing
Artificial Neural Networks (ANNs) to enhance the early detection of prostate
cancer. The primary objective of this research paper is to present a novel
mathematical model designed to aid in the early detection of prostate cancer,
facilitating prompt intervention by healthcare professionals. The model's
implementation demonstrates promising potential in reducing the incidence of
false positives, thereby improving patient outcomes. Furthermore, we envision
that, with further refinement, extensive testing, and validation, this model
can evolve into a robust, marketable solution for prostate cancer detection.
The long-term goal is to make this solution readily available for deployment in
various screening centers, hospitals, and research institutions, ultimately
contributing to more effective cancer screening and patient care.
- Abstract(参考訳): 前立腺がんは50歳以上の男性に多い悪性腫瘍である。
現在の診断法は主に血液検査、PSA:前立腺特異的抗原レベル、DRE(Digital Rectal Examinations)に依存している。
しかし、これらの方法はかなりの偽陽性率に苦しむ。
本研究は,ニューラルネットワーク(anns)を用いて,前立腺癌の早期発見を促進するインテリジェントな数学的モデルの開発と検証に焦点をあてる。
本研究の目的は,前立腺癌の早期発見を支援する新しい数学的モデルを提供することであり,医療従事者による迅速な介入を促進することにある。
このモデルの実装は、偽陽性の発生率を減らし、患者の結果を改善する有望な可能性を示す。
さらに,さらなる精細化,広範な検査,検証によって,前立腺癌検出のための堅牢で市場性の高いソリューションへと進化することを期待している。
長期的な目標は、このソリューションを様々なスクリーニングセンター、病院、研究機関に展開しやすくすることであり、最終的にはより効果的ながんスクリーニングと患者ケアに寄与する。
関連論文リスト
- 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) - Comparative Analysis of Deep Learning Architectures for Breast Cancer
Diagnosis Using the BreaKHis Dataset [0.0]
本研究では,癌分類における5つのよく知られたディープラーニングモデルの性能と比較を行った。
その結果、Xceptionモデルがトップに上がり、F1スコアは0.9、精度は89%となった。
InceptionモデルのF1スコアは87で、InceptionResNetのF1スコアは86。
論文 参考訳(メタデータ) (2023-09-02T19:02:50Z) - 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) - Leveraging object detection for the identification of lung cancer [0.15229257192293202]
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。
論文 参考訳(メタデータ) (2023-05-25T07:53:18Z) - Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep
Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。
金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。
本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
論文 参考訳(メタデータ) (2023-04-12T15:08:34Z) - 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) - Enhancing Clinical Support for Breast Cancer with Deep Learning Models
using Synthetic Correlated Diffusion Imaging [66.63200823918429]
深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。
我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。
提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
論文 参考訳(メタデータ) (2022-11-10T03:02:12Z) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳(メタデータ) (2021-05-20T18:13:58Z) - Artificial Neural Network Based Breast Cancer Screening: A Comprehensive
Review [0.0]
本稿では,マンモグラフィによる乳癌の診断のための人工ニューラルネットワークモデルに関する文献を体系的にレビューする。
スパイキングニューラルネットワーク(SNN)、ディープ信頼ネットワーク(DBN)、畳み込みニューラルネットワーク(CNN)、多層ニューラルネットワーク(MLNN)、スタックドオートエンコーダ(SAE)、スタックドデノイズオートエンコーダ(SDAE)など、さまざまなANNモデルの利点と限界について述べる。
論文 参考訳(メタデータ) (2020-05-29T17:13:51Z) - Short Term Blood Glucose Prediction based on Continuous Glucose
Monitoring Data [53.01543207478818]
本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。
短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
論文 参考訳(メタデータ) (2020-02-06T16:39:44Z)
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。