論文の概要: NYCTALE: Neuro-Evidence Transformer for Adaptive and Personalized Lung Nodule Invasiveness Prediction

• arxiv url: http://arxiv.org/abs/2402.10066v1
• Date: Thu, 15 Feb 2024 16:31:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-16 14:45:11.325443
• Title: NYCTALE: Neuro-Evidence Transformer for Adaptive and Personalized Lung Nodule Invasiveness Prediction
• Title（参考訳）: NYCTALE:適応性およびパーソナライズされた肺結節浸潤予測のための神経エビデンス変換器
• Authors: Sadaf Khademi, Anastasia Oikonomou, Konstantinos N. Plataniotis, Arash Mohammadi
• Abstract要約: 本稿では,神経インスパイアされたエビデンスベースのTransformerアーキテクチャであるNYCTALEフレームワークを紹介する。 NYCTALEも同様に警戒的な方法で動作し、エビデンスベースの方法でデータを処理し、動的かつ適応的に予測する。
• 参考スコア（独自算出の注目度）: 22.749266610229117
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Drawing inspiration from the primate brain's intriguing evidence accumulation process, and guided by models from cognitive psychology and neuroscience, the paper introduces the NYCTALE framework, a neuro-inspired and evidence accumulation-based Transformer architecture. The proposed neuro-inspired NYCTALE offers a novel pathway in the domain of Personalized Medicine (PM) for lung cancer diagnosis. In nature, Nyctales are small owls known for their nocturnal behavior, hunting primarily during the darkness of night. The NYCTALE operates in a similarly vigilant manner, i.e., processing data in an evidence-based fashion and making predictions dynamically/adaptively. Distinct from conventional Computed Tomography (CT)-based Deep Learning (DL) models, the NYCTALE performs predictions only when sufficient amount of evidence is accumulated. In other words, instead of processing all or a pre-defined subset of CT slices, for each person, slices are provided one at a time. The NYCTALE framework then computes an evidence vector associated with contribution of each new CT image. A decision is made once the total accumulated evidence surpasses a specific threshold. Preliminary experimental analyses conducted using a challenging in-house dataset comprising 114 subjects. The results are noteworthy, suggesting that NYCTALE outperforms the benchmark accuracy even with approximately 60% less training data on this demanding and small dataset.
• Abstract（参考訳）: 霊長類の脳の興味深い証拠蓄積プロセスからインスピレーションを得て、認知心理学と神経科学のモデルに導かれるこの論文は、ニューロインスパイアされた証拠蓄積に基づくトランスフォーマーアーキテクチャであるnyctaleフレームワークを紹介している。 提案されたニューラルインスパイアされたNYCTALEは、肺がん診断のためのパーソナライズドメディカル(PM)ドメインの新しい経路を提供する。 自然界では、夜行性で知られ、主に夜の暗闇の中で狩りをする小型フクロウである。 NYCTALEも同様に警戒的な方法で、すなわちエビデンスベースの方法でデータを処理し、動的かつ適応的に予測を行う。 従来のCTベースのDeep Learning(DL)モデルとは異なり、NYCTALEは十分な量の証拠が蓄積された場合にのみ予測を行う。 言い換えれば、CTスライスの全または予め定義されたサブセットを処理する代わりに、各人に対して、スライスを一度に1つずつ提供する。 その後、NYCTALEフレームワークは、新しいCT画像のコントリビューションに関連するエビデンスベクトルを計算する。 合計された証拠が特定の閾値を超えると、決定が行われる。 114名の被験者からなるチャレンジインハウスデータセットを用いた予備的な実験分析。 その結果、NYCTALEは、この要求の少ないデータセットのトレーニングデータを約60%削減しても、ベンチマークの精度より優れていることを示唆している。

関連論文リスト

• Lung-CADex: Fully automatic Zero-Shot Detection and Classification of Lung Nodules in Thoracic CT Images [45.29301790646322]
  コンピュータ支援診断は早期の肺結節の検出に役立ち、その後の結節の特徴づけを促進する。 MedSAMと呼ばれるSegment Anything Modelの変種を用いて肺結節をゼロショットでセグメント化するためのCADeを提案する。 また、放射能特徴のギャラリーを作成し、コントラスト学習を通じて画像と画像のペアを整列させることにより、良性/良性としての結節的特徴付けを行うCADxを提案する。
  論文  参考訳（メタデータ） (2024-07-02T19:30:25Z)
• Self-Supervised Pretext Tasks for Alzheimer's Disease Classification using 3D Convolutional Neural Networks on Large-Scale Synthetic Neuroimaging Dataset [11.173478552040441]
  アルツハイマー病(Alzheimer's Disease, AD)は、脳の局所的および広範な神経変性を誘導する疾患である。 本研究では、下流ADとCN分類のための特徴抽出器を訓練するための教師なし手法をいくつか評価した。
  論文  参考訳（メタデータ） (2024-06-20T11:26:32Z)
• The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
  この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。 我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。 このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-13T10:40:41Z)
• Efficiently Training Vision Transformers on Structural MRI Scans for Alzheimer's Disease Detection [2.359557447960552]
  ビジョントランスフォーマー(ViT)は近年、コンピュータビジョンアプリケーションのためのCNNの代替として登場した。 難易度に基づいて,脳神経画像の下流タスクに対するViTアーキテクチャの変種を検証した。 合成および実MRIスキャンで事前訓練した微調整型視覚変換器モデルを用いて、5%と9-10%の性能向上を実現した。
  論文  参考訳（メタデータ） (2023-03-14T20:18:12Z)
• UniToBrain dataset: a Brain Perfusion Dataset [2.02258267891574]
  では、UniToBrainを紹介します。 本稿では,画像処理と深層学習モデル開発のために,欧州のECVLとEDDLを用いたニューラルネットワークに基づく新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-08-01T07:16:02Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Accurate and Efficient Intracranial Hemorrhage Detection and Subtype Classification in 3D CT Scans with Convolutional and Long Short-Term Memory Neural Networks [20.4701676109641]
  RSNA頭蓋内出血検出のためのシステムについて紹介する。 提案システムは,畳み込みニューラルネットワーク(CNN)を用いた軽量深層ニューラルネットワークアーキテクチャに基づいている。 最終テストセットの重み付き平均ログ損失は0.04989で、合計1345名から上位30名(2%)にランクインした。
  論文  参考訳（メタデータ） (2020-08-01T17:28:25Z)
• Ensemble Transfer Learning for the Prediction of Anti-Cancer Drug Response [49.86828302591469]
  本稿では,抗がん剤感受性の予測にトランスファーラーニングを適用した。 我々は、ソースデータセット上で予測モデルをトレーニングし、ターゲットデータセット上でそれを洗練する古典的な転送学習フレームワークを適用した。 アンサンブル転送学習パイプラインは、LightGBMと異なるアーキテクチャを持つ2つのディープニューラルネットワーク(DNN)モデルを使用して実装されている。
  論文  参考訳（メタデータ） (2020-05-13T20:29:48Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)
• Experimenting with Convolutional Neural Network Architectures for the automatic characterization of Solitary Pulmonary Nodules' malignancy rating [0.0]
  コンピュータ・トモグラフィ(CT)胸部CTにおける孤立性肺結節(SPN)の早期および自動診断は,早期治療と経時的治療からの医師の解放をもたらす可能性がある。 本研究では,PET/CTスキャナーから得られたCT画像における良性肺結節と悪性肺結節の診断的分類の問題点を考察する。 具体的には、実験的な畳み込みニューラルネットワーク(CNN)アーキテクチャを開発し、パラメータをチューニングし、その振る舞いを調べ、正確な分類のための最適な設定を定義する。
  論文  参考訳（メタデータ） (2020-03-15T11:46:00Z)
• 1-D Convlutional Neural Networks for the Analysis of Pupil Size Variations in Scotopic Conditions [79.71065005161566]
  1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。 モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
  論文  参考訳（メタデータ） (2020-02-06T17:25:37Z)

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。