論文の概要: From Data to Insights: A Comprehensive Survey on Advanced Applications
in Thyroid Cancer Research
- arxiv url: http://arxiv.org/abs/2401.03722v1
- Date: Mon, 8 Jan 2024 08:10:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-09 17:45:19.783604
- Title: From Data to Insights: A Comprehensive Survey on Advanced Applications
in Thyroid Cancer Research
- Title（参考訳）: データから洞察へ:甲状腺癌研究における高度な応用に関する包括的調査
- Authors: Xinyu Zhang, Vincent CS Lee, Feng Liu
- Abstract要約: 甲状腺癌における機械学習応用の包括的分類法を体系的に検討し,検討を行った。
合計758の関連研究が特定され、精査された。
この領域で直面する重要な課題を強調し、今後の研究機会を提案する。
- 参考スコア（独自算出の注目度）: 18.42107238058712
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Thyroid cancer, the most prevalent endocrine cancer, has gained significant
global attention due to its impact on public health. Extensive research efforts
have been dedicated to leveraging artificial intelligence (AI) methods for the
early detection of this disease, aiming to reduce its morbidity rates. However,
a comprehensive understanding of the structured organization of research
applications in this particular field remains elusive. To address this
knowledge gap, we conducted a systematic review and developed a comprehensive
taxonomy of machine learning-based applications in thyroid cancer pathogenesis,
diagnosis, and prognosis. Our primary objective was to facilitate the research
community's ability to stay abreast of technological advancements and
potentially lead the emerging trends in this field. This survey presents a
coherent literature review framework for interpreting the advanced techniques
used in thyroid cancer research. A total of 758 related studies were identified
and scrutinized. To the best of our knowledge, this is the first review that
provides an in-depth analysis of the various aspects of AI applications
employed in the context of thyroid cancer. Furthermore, we highlight key
challenges encountered in this domain and propose future research opportunities
for those interested in studying the latest trends or exploring
less-investigated aspects of thyroid cancer research. By presenting this
comprehensive review and taxonomy, we contribute to the existing knowledge in
the field, while providing valuable insights for researchers, clinicians, and
stakeholders in advancing the understanding and management of this disease.
- Abstract（参考訳）: 最も多い内分泌癌である甲状腺癌は、公衆衛生への影響で世界的に注目されている。
この病気の早期発見に人工知能(AI)の手法を活用することに注力し、その死亡率の低減を目指している。
しかし、この分野における研究応用の構造的組織に関する包括的理解は、いまだ解明されていない。
この知見ギャップに対処するため, 甲状腺癌, 診断, 予後における機械学習応用の包括的分類法を体系的に検討し, 開発した。
我々の主な目的は、研究コミュニティが技術進歩を継続し、この分野の新たなトレンドを導く能力を促進することであった。
本研究は甲状腺癌研究における先進的手法を解釈するためのコヒーレント文献レビューフレームワークを提案する。
合計758の関連研究が特定され、精査された。
我々の知る限りでは、甲状腺がんの文脈で使用されるAI応用の様々な側面を詳細に分析する最初のレビューである。
さらに,本領域で直面する重要な課題を取り上げ,最新の研究動向や甲状腺癌研究の低次側面を探究する人々に対する今後の研究機会を提案する。
この総合的なレビューと分類を提示することにより、この分野の既存の知識に貢献するとともに、研究者、臨床医、ステークホルダーにこの病気の理解と管理を促進する上で貴重な洞察を提供する。
関連論文リスト
- Natural Language Processing for Analyzing Electronic Health Records and Clinical Notes in Cancer Research: A Review [1.3966247773236926]
本総説は, がん研究における自然言語処理(NLP)の応用を電子健康記録(EHR)と臨床ノートを用いて分析することを目的とする。
データ抽出には、研究の特徴、がんの種類、NLP方法論、データセット情報、パフォーマンス指標、課題、今後の方向性が含まれていた。
論文 参考訳（メタデータ） (2024-10-29T16:17:07Z) - Deep Transfer Learning for Kidney Cancer Diagnosis [2.87932876218736]
移動学習(TL)は、他の異なる事前学習データに基づいて印象的な結果が得られる。
本報告では, 腎癌診断のためのDL-based TL フレームワークについて, 著者の知る限り, 総括的調査を行った。
論文 参考訳（メタデータ） (2024-08-08T08:52:29Z) - Explainable Biomedical Hypothesis Generation via Retrieval Augmented Generation enabled Large Language Models [46.05020842978823]
大規模言語モデル(LLM)はこの複雑なデータランドスケープをナビゲートする強力なツールとして登場した。
RAGGEDは、知識統合と仮説生成を伴う研究者を支援するために設計された包括的なワークフローである。
論文 参考訳（メタデータ） (2024-07-17T07:44:18Z) - 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) - ProBio: A Protocol-guided Multimodal Dataset for Molecular Biology Lab [67.24684071577211]
研究結果を複製するという課題は、分子生物学の分野に重大な障害をもたらしている。
まず、この目的に向けた最初のステップとして、ProBioという名前の包括的なマルチモーダルデータセットをキュレートする。
次に、透明なソリューショントラッキングとマルチモーダルなアクション認識という2つの挑戦的なベンチマークを考案し、BioLab設定におけるアクティビティ理解に関連する特徴と難しさを強調した。
論文 参考訳（メタデータ） (2023-11-01T14:44:01Z) - AI in Thyroid Cancer Diagnosis: Techniques, Trends, and Future
Directions [3.2071249735671348]
本報告では, 甲状腺癌の診断に使用される人工知能(AI)技術に関する大量の論文を要約する。
この研究は、教師なし、教師なし、またはハイブリッド技術を通じて、AIベースのツールが甲状腺癌の診断と治療をどのようにサポートするかに焦点を当てている。
論文 参考訳（メタデータ） (2023-08-25T17:27:53Z) - 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 Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and
Why? [84.46288849132634]
本稿では、因果発見と推論技術を用いて、科学分野における研究トピックの進化を分析するための体系的な枠組みを提案する。
我々は3つの変数を定義し、NLPにおける研究トピックの進化の多様な側面を包含する。
我々は因果探索アルゴリズムを用いてこれらの変数間の因果関係を明らかにする。
論文 参考訳（メタデータ） (2023-05-22T11:08:00Z) - Nuclei & Glands Instance Segmentation in Histology Images: A Narrative
Review [0.5893124686141781]
組織像における核と腺のセグメンテーションは、計算病理のワークフローにおいて重要なステップである。
現代的なハードウェアの出現により、大規模で高品質な公開データセットが最近利用可能になり、組織化された大きな課題が自動化メソッドの急増に遭遇した。
この調査では,過去5年～2022年に公表された,原子核と腺のセグメンテーションに関するAIベースの手法を解説した126の論文を深く分析した。
論文 参考訳（メタデータ） (2022-08-26T06:52:15Z) - Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。
治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。
この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文 参考訳（メタデータ） (2021-05-03T21:20:20Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
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。