論文の概要: Combining low-dose CT-based radiomics and metabolomics for early lung cancer screening support

• arxiv url: http://arxiv.org/abs/2311.12810v1
• Date: Wed, 20 Sep 2023 12:07:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 15:47:13.945420
• Title: Combining low-dose CT-based radiomics and metabolomics for early lung cancer screening support
• Title（参考訳）: 早期肺癌検診支援のための低線量CTとメタボロミクスの併用
• Authors: Joanna Zyla, Michal Marczyk, Wojciech Prazuch, Marek Socha, Aleksandra Suwalska, Agata Durawa, Malgorzata Jelitto-Gorska, Katarzyna Dziadziuszko, Edyta Szurowska, Witold Rzyman, Piotr Widlak, Joanna Polanska
• Abstract要約: 肺癌はしばしば進行期と診断され、患者の生存率も低下する。 早期診断は、肺組織腫瘍がまだ小さいとき、通常約3mmの大きさで検出されるように設計されたスクリーニングプログラムによって容易に行える。
• 参考スコア（独自算出の注目度）: 32.586316762855944
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to its predominantly asymptomatic or mildly symptomatic progression, lung cancer is often diagnosed in advanced stages, resulting in poorer survival rates for patients. As with other cancers, early detection significantly improves the chances of successful treatment. Early diagnosis can be facilitated through screening programs designed to detect lung tissue tumors when they are still small, typically around 3mm in size. However, the analysis of extensive screening program data is hampered by limited access to medical experts. In this study, we developed a procedure for identifying potential malignant neoplastic lesions within lung parenchyma. The system leverages machine learning (ML) techniques applied to two types of measurements: low-dose Computed Tomography-based radiomics and metabolomics. Using data from two Polish screening programs, two ML algorithms were tested, along with various integration methods, to create a final model that combines both modalities to support lung cancer screening.
• Abstract（参考訳）: 無症候性または軽症的な進行のため、肺癌はしばしば進行段階において診断され、患者の生存率が低下する。 他のがんと同様、早期発見は治療の成功率を大幅に向上させる。 早期診断は、肺組織腫瘍が小さいとき(通常3mm程度)に検出するように設計されたスクリーニングプログラムによって容易になる。 しかし,広範なスクリーニングプログラムデータの解析は,医療専門家への限られたアクセスによって妨げられている。 本研究は,肺頭葉内の悪性腫瘍病変を同定する手法を開発した。 このシステムは、低線量Computerd Tomographyベースの放射能とメタボロミクスの2種類の測定に応用された機械学習(ML)技術を活用する。 2つのポーランドのスクリーニングプログラムのデータを用いて、2つのMLアルゴリズムと様々な統合手法がテストされ、両モードを組み合わせて肺がんスクリーニングをサポートする最終モデルが作成された。

関連論文リスト

• Medical AI for Early Detection of Lung Cancer: A Survey [11.90341994990241]
  肺がんは世界中で致死率と死亡率の主要な原因の1つである。 コンピュータ支援診断システム(CAD)は肺結節の検出と分類に有効であることが証明されている。 深層学習アルゴリズムは肺結節解析の精度と効率を大幅に改善した。
  論文  参考訳（メタデータ） (2024-10-18T17:45:42Z)
• Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
  本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。 本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
  論文  参考訳（メタデータ） (2024-05-23T07:03:38Z)
• Application analysis of ai technology combined with spiral CT scanning in early lung cancer screening [15.6839495538166]
  肺癌患者の5年間の生存率は、まだ20%以下であり、進行している。 近年、人工知能技術が腫瘍学に徐々に応用され始めている。 本研究は, 早期肺癌検診において, 安全かつ効率的な検診方法を見いだす目的で, 組み合わせた方法を適用した。
  論文  参考訳（メタデータ） (2024-01-26T07:58:09Z)
• Double Integral Enhanced Zeroing Neural Network Optimized with ALSOA fostered Lung Cancer Classification using CT Images [1.1510009152620668]
  肺がんは最も致命的な疾患の1つであり、疾患や死亡の原因となっている。 提案手法は既存の手法で解析した18.32%,27.20%,34.32%の精度で得られた。
  論文  参考訳（メタデータ） (2023-12-05T10:53:35Z)
• 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)
• Machine Learning-based Lung and Colon Cancer Detection using Deep Feature Extraction and Ensemble Learning [0.9786690381850355]
  肺がんと大腸癌を効率よく同定するためのハイブリッドアンサンブル特徴抽出モデルを提案する。 深い特徴抽出とアンサンブル学習と、がん画像データセットのための高性能なフィルタリングを統合している。 本モデルでは, 99.05%, 100%, 99.30%の精度で, 肺癌, 大腸癌, 結腸癌を検出できる。
  論文  参考訳（メタデータ） (2022-06-02T15:14:41Z)
• 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)
• Open-Set Recognition of Breast Cancer Treatments [91.3247063132127]
  オープンセット認識は、テストサンプルをトレーニングや"未知"から既知のクラスの1つに分類することで、分類タスクを一般化する 乳がん患者データに対して,画像データセットの最先端結果を実現するガウス混合変分オートエンコーダモデルを適用した。 より正確でロバストな分類結果が得られ,F1の平均値が24.5%上昇したばかりでなく,臨床環境への展開性の観点からも,オープンセット認識の再検討を行った。
  論文  参考訳（メタデータ） (2022-01-09T04:35:55Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Early Diagnosis of Lung Cancer Using Computer Aided Detection via Lung Segmentation Approach [0.1749935196721634]
  アメリカがん協会は、がんによる死亡件数の約27%を推定している。 その進化の初期段階では、肺がんは通常は症状を起こさない。 多くの患者は、症状がより顕著になり、治療が不十分で死亡率の高い進行期に診断されている。
  論文  参考訳（メタデータ） (2021-07-23T05:46:06Z)
• Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
  本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。 提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-03T22:25:01Z)

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。