論文の概要: A Comprehensive Review of Generative AI in Healthcare
- arxiv url: http://arxiv.org/abs/2310.00795v1
- Date: Sun, 1 Oct 2023 21:13:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-05 01:47:34.535765
- Title: A Comprehensive Review of Generative AI in Healthcare
- Title(参考訳): 医療におけるジェネレーティブAIの概観
- Authors: Yasin Shokrollahi, Sahar Yarmohammadtoosky, Matthew M. Nikahd, Pengfei
Dong, Xianqi Li, Linxia Gu
- Abstract要約: 生成AIモデル、特にトランスフォーマーと拡散モデルは、多様な形式のデータを分析する上で重要な役割を担っている。
これらのモデルは、医用画像、タンパク質構造予測、臨床ドキュメント、診断補助、放射線学解釈、臨床診断支援、医用コーディング、請求など、様々な種類のデータを分析する上で重要な役割を果たしてきた。
本稿では、トランスフォーマーと拡散モデルに焦点をあて、医療における生成AI応用の概要を概観することを目的とする。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The advancement of Artificial Intelligence (AI) has catalyzed revolutionary
changes across various sectors, notably in healthcare. Among the significant
developments in this field are the applications of generative AI models,
specifically transformers and diffusion models. These models have played a
crucial role in analyzing diverse forms of data, including medical imaging
(encompassing image reconstruction, image-to-image translation, image
generation, and image classification), protein structure prediction, clinical
documentation, diagnostic assistance, radiology interpretation, clinical
decision support, medical coding, and billing, as well as drug design and
molecular representation. Such applications have enhanced clinical diagnosis,
data reconstruction, and drug synthesis. This review paper aims to offer a
thorough overview of the generative AI applications in healthcare, focusing on
transformers and diffusion models. Additionally, we propose potential
directions for future research to tackle the existing limitations and meet the
evolving demands of the healthcare sector. Intended to serve as a comprehensive
guide for researchers and practitioners interested in the healthcare
applications of generative AI, this review provides valuable insights into the
current state of the art, challenges faced, and prospective future directions.
- Abstract(参考訳): 人工知能(AI)の進歩は、様々な分野、特に医療において革命的な変化を引き起こしている。
この分野での重要な発展は、生成的AIモデル、特にトランスフォーマーと拡散モデルの適用である。
これらのモデルは、医療画像(画像再構成、画像翻訳、画像生成、画像分類)、タンパク質構造予測、臨床文書、診断支援、放射線学的解釈、臨床決定支援、医療コーディング、請求書、薬物設計、分子表現など、様々な種類のデータを分析する上で重要な役割を担ってきた。
このような応用は、臨床診断、データ再構成、薬物合成を増強した。
本稿では、トランスフォーマーと拡散モデルに焦点をあて、医療における生成AI応用の概要を概観することを目的とする。
さらに, 既存の限界に対処し, 医療分野の要求に応えるために, 今後の研究の方向性を提案する。
生成aiの医療応用に関心のある研究者や実践者のための包括的なガイドとなることを意図したこのレビューは、現在の技術の現状、直面する課題、将来の方向性に関する貴重な洞察を提供する。
関連論文リスト
- Responsible Deep Learning for Software as a Medical Device [0.0]
このワークショップ論文の拡張版は、2022年IEEE 19th International Symposium on Biomedical Imagingの特別セッションで発表された。
カリフォルニア大学教授による機械学習と臨床研究の戦略と機会を説明する。
皮膚(RGB)、組織生検(デジタル病理)、肺および腎臓(磁気共鳴、X線、CT)のAI/MLモデルの性能評価について検討した。
論文 参考訳(メタデータ) (2023-12-20T18:12:07Z) - Radiology Report Generation Using Transformers Conditioned with
Non-imaging Data [55.17268696112258]
本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。
提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
論文 参考訳(メタデータ) (2023-11-18T14:52:26Z) - Transformers in Healthcare: A Survey [11.189892739475633]
Transformerは、当初、汎用自然言語処理(NLP)タスクを解決するために開発されたディープラーニングアーキテクチャの一種である。
本稿では, 医療画像, 構造化・非構造化電子健康記録(EHR), ソーシャルメディア, 生理信号, 生体分子配列など, 様々な形態のデータを解析するために, このアーキテクチャがどのように採用されてきたのかを概説する。
医療におけるトランスフォーマーの利用のメリットと限界について議論し、計算コスト、モデル解釈可能性、公正性、人的価値との整合性、倫理的含意、環境影響などの問題を検討する。
論文 参考訳(メタデータ) (2023-06-30T18:14:20Z) - Artificial General Intelligence for Medical Imaging [62.116506368045606]
本稿では、医療における人工知能(AGI)モデルの可能性について検討する。
我々は,AGIモデルに臨床専門知識,ドメイン知識,マルチモーダル能力を統合することの重要性を強調した。
論文 参考訳(メタデータ) (2023-06-08T18:04:13Z) - Transformers in Medical Imaging: A Survey [88.03790310594533]
トランスフォーマーはいくつかのコンピュータビジョン問題に適用され、最先端の結果が得られた。
医療画像はまた、局所受容野を持つCNNと比較して、グローバルな文脈を捉えられるトランスフォーマーへの関心が高まっている。
本稿では,最近提案された建築設計から未解決問題に至るまで,医療画像におけるトランスフォーマーの応用について概説する。
論文 参考訳(メタデータ) (2022-01-24T18:50:18Z) - Medical Imaging and Machine Learning [16.240472115235253]
2018年に国立衛生研究所は、医療画像における人工知能の未来における重要な焦点領域を特定した。
データ可用性、新しいコンピューティングアーキテクチャと説明可能なAIアルゴリズムの必要性は、いまだに関係している。
本稿では,高次元臨床画像データに特有の課題について考察するとともに,技術的・倫理的考察を紹介する。
論文 参考訳(メタデータ) (2021-03-02T18:53:39Z) - Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。
共通情報と相補情報の両方を敵意で抽出することを目的としている。
特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
論文 参考訳(メタデータ) (2021-02-15T18:46:44Z) - Domain Shift in Computer Vision models for MRI data analysis: An
Overview [64.69150970967524]
機械学習とコンピュータビジョン手法は、医用画像解析において優れた性能を示している。
しかし、現在臨床応用はごくわずかである。
異なるソースや取得ドメインのデータへのモデルの不適切な転送性は、その理由の1つです。
論文 参考訳(メタデータ) (2020-10-14T16:34:21Z) - Medical Image Generation using Generative Adversarial Networks [0.0]
GAN(Generative Adversarial Network)は、コンピュータビジョンコミュニティにおいて、教師なしのディープラーニングアプローチである。
GANはリアルな医療画像とそれに対応するアノテーションを生成する。
Deep Convolutional GAN (DCGAN)、Laplacian GAN (LAPGAN)、Pix2pix、CycleGAN、unsupervised image-to-image translation model (UNIT)など、医学画像の解釈で人気を得たガンの様々なフレームワーク
論文 参考訳(メタデータ) (2020-05-19T20:31:57Z) - 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) - Artificial intelligence in medicine and healthcare: a review and
classification of current and near-future applications and their ethical and
social Impact [0.0]
この研究は、既存のソフトウェア、パーソナルモニタリングデバイス、遺伝子検査と編集ツール、パーソナライズされたデジタルモデル、オンラインプラットフォーム、拡張現実デバイス、外科的および補助ロボティクスなど、研究技術の現状の分析に基づいている。
われわれは,「拡張パーソナライズドメディカル」の概念を提示し,解説する。
ユビキタス情報時代における医師と患者の役割の変容について研究し、医療部門を「フェイクベース」、「患者生成」、「科学的に調整」に分類し、さらに詳細な分析を必要とするいくつかの側面に注意を向ける。
論文 参考訳(メタデータ) (2020-01-22T15:39:42Z)
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。