論文の概要: Redefining cystoscopy with ai: bladder cancer diagnosis using an efficient hybrid cnn-transformer model

• arxiv url: http://arxiv.org/abs/2403.03879v1
• Date: Wed, 6 Mar 2024 17:38:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-07 14:14:49.701755
• Title: Redefining cystoscopy with ai: bladder cancer diagnosis using an efficient hybrid cnn-transformer model
• Title（参考訳）: aiによる膀胱鏡再定義:効率的なcnn-transformerモデルを用いた膀胱癌診断
• Authors: Meryem Amaouche and Ouassim Karrakchou and Mounir Ghogho and Anouar El Ghazzaly and Mohamed Alami and Ahmed Ameur
• Abstract要約: 膀胱がんは世界中で最も診断された癌上位10にランクインしている。 再発率が高いため治療に最も費用がかかるがんの1つである。 膀胱癌の検出とセグメンテーションのための深層学習手法を提案する。
• 参考スコア（独自算出の注目度）: 2.6890096906322167
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bladder cancer ranks within the top 10 most diagnosed cancers worldwide and is among the most expensive cancers to treat due to the high recurrence rates which require lifetime follow-ups. The primary tool for diagnosis is cystoscopy, which heavily relies on doctors' expertise and interpretation. Therefore, annually, numerous cases are either undiagnosed or misdiagnosed and treated as urinary infections. To address this, we suggest a deep learning approach for bladder cancer detection and segmentation which combines CNNs with a lightweight positional-encoding-free transformer and dual attention gates that fuse self and spatial attention for feature enhancement. The architecture suggested in this paper is efficient making it suitable for medical scenarios that require real time inference. Experiments have proven that this model addresses the critical need for a balance between computational efficiency and diagnostic accuracy in cystoscopic imaging as despite its small size it rivals large models in performance.
• Abstract（参考訳）: 膀胱がんは世界中で最も診断されたがんトップ10にランクされ、生涯経過観察を必要とする高い再発率のために治療される最も高価ながんの1つである。 診断の主要なツールは嚢胞内視鏡であり、医師の専門知識と解釈に大きく依存している。 そのため、毎年多くの症例が未診断または誤診され、尿路感染症として治療されている。 そこで本研究では,CNNと軽快な位置エンコーディングのないトランスフォーマと,特徴強調のための自己と空間の注意を融合したデュアルアテンションゲートを組み合わせた膀胱癌検出とセグメンテーションの深層学習手法を提案する。 本稿では,リアルタイムの推論を必要とする医療シナリオに適したアーキテクチャを提案する。 実験により、このモデルは、シストスコープ画像における計算効率と診断精度のバランスを、大きなモデルに匹敵する大きさであるにもかかわらず、重要な必要性に対処することが証明された。

関連論文リスト

• Biomarker based Cancer Classification using an Ensemble with Pre-trained Models [2.2436844508175224]
  マルチクラス分類タスクに対して,事前学習したハイパーファストモデル,XGBoost,LightGBMを組み合わせた新しいアンサンブルモデルを提案する。 我々はメタトレーニングしたハイパーファストモデルを用いてがんの分類を行い、AUCは0.9929である。 また,事前学習したハイパーファストモデル,XGBoost,LightGBMを多クラス分類タスクに組み合わせた新しいアンサンブルモデルを提案し,精度を漸進的に向上させる(0.9464)。
  論文  参考訳（メタデータ） (2024-06-14T14:43:59Z)
• 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)
• Optimizing Synthetic Correlated Diffusion Imaging for Breast Cancer Tumour Delineation [71.91773485443125]
  CDI$s$ - 最適化されたモダリティにより最高のAUCが達成され、金標準のモダリティが0.0044より優れていることを示す。 特に、最適化されたCDI$s$モダリティは、最適化されていないCDI$s$値よりも0.02以上のAUC値を達成する。
  論文  参考訳（メタデータ） (2024-05-13T16:07:58Z)
• MUVF-YOLOX: A Multi-modal Ultrasound Video Fusion Network for Renal Tumor Diagnosis [10.452919030855796]
  腎腫瘍診断のためのマルチモーダル機能融合とビデオ分類を効果的に行うことのできる,新しいマルチモーダル超音波ビデオ融合ネットワークを提案する。 マルチセンタデータセットによる実験結果から,提案手法は単一モードモデルと競合する手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-07-15T14:15:42Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• MM-SFENet: Multi-scale Multi-task Localization and Classification of Bladder Cancer in MRI with Spatial Feature Encoder Network [8.100351518258252]
  膀胱癌は一般的な悪性尿路癌であり、その2つの亜型として筋浸潤性および非筋浸潤性である。 本稿では,MRIによる膀胱癌浸潤度の自動同定と分類を実現することを目的とする。
  論文  参考訳（メタデータ） (2023-02-22T02:28:14Z)
• A Pathologist-Informed Workflow for Classification of Prostate Glands in Histopathology [62.997667081978825]
  病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。 がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。 本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
  論文  参考訳（メタデータ） (2022-09-27T14:08:19Z)
• Leveraging Uncertainty in Deep Learning for Pancreatic Adenocarcinoma Grading [0.0]
  膵癌は、他のがんと比較して最悪の予後の1つである。 膵腺癌を診断するための現在の手関節組織学的評価は時間を要するため,誤診が頻発することが多い。 デジタル病理学では、AIに基づくがんのグレーディングは予測と不確実性定量化において極めて正確でなければならない。
  論文  参考訳（メタデータ） (2022-06-15T19:53:06Z)
• 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)
• Practical X-ray Gastric Cancer Screening Using Refined Stochastic Data Augmentation and Hard Boundary Box Training [2.254041925375415]
  提案システムは,90.2%の胃癌に対する感度(SE)を専門家(85.5%)より高い精度で達成する。 検出された5つの候補ボックスのうち2つは癌であり、画像当たり0.01秒の速度で画像を処理しながら高い精度を維持している。
  論文  参考訳（メタデータ） (2021-08-18T14:04:52Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)

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。