論文の概要: Research on Intelligent Aided Diagnosis System of Medical Image Based on Computer Deep Learning
- arxiv url: http://arxiv.org/abs/2404.18419v1
- Date: Mon, 29 Apr 2024 04:32:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-30 14:46:41.758706
- Title: Research on Intelligent Aided Diagnosis System of Medical Image Based on Computer Deep Learning
- Title（参考訳）: コンピュータ深層学習に基づく医用画像のインテリジェント診断システムに関する研究
- Authors: Jiajie Yuan, Linxiao Wu, Yulu Gong, Zhou Yu, Ziang Liu, Shuyao He,
- Abstract要約: 本稿では、データアクセスオブジェクトを使用して、Strutsと2つのアーキテクチャを組み合わせる。
本画像に基づくデュアルモード医用画像支援診断法を提案する。
曲線積の最適動作特性(AUROC)は0.9985、リコールレートは0.9814、精度は0.9833である。
- 参考スコア（独自算出の注目度）: 13.143578765427879
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper combines Struts and Hibernate two architectures together, using DAO (Data Access Object) to store and access data. Then a set of dual-mode humidity medical image library suitable for deep network is established, and a dual-mode medical image assisted diagnosis method based on the image is proposed. Through the test of various feature extraction methods, the optimal operating characteristic under curve product (AUROC) is 0.9985, the recall rate is 0.9814, and the accuracy is 0.9833. This method can be applied to clinical diagnosis, and it is a practical method. Any outpatient doctor can register quickly through the system, or log in to the platform to upload the image to obtain more accurate images. Through the system, each outpatient physician can quickly register or log in to the platform for image uploading, thus obtaining more accurate images. The segmentation of images can guide doctors in clinical departments. Then the image is analyzed to determine the location and nature of the tumor, so as to make targeted treatment.
- Abstract（参考訳）: この記事では、データの保存とアクセスにDAO(Data Access Object)を使用して、StrutsとHibernateの2つのアーキテクチャを組み合わせる。
そこで,深層ネットワークに適した2モードの医用画像ライブラリのセットを構築し,その画像に基づく2モードの医用画像支援診断手法を提案する。
種々の特徴抽出法の試験により、曲線積下の最適動作特性(AUROC)は0.9985、リコールレートは0.9814、精度は0.9833である。
この方法は臨床診断に適用することができ、実用的な方法である。
外来の医師は、システムを通じて素早く登録したり、プラットフォームにログインして画像をアップロードしてより正確な画像を得ることができる。
このシステムを通じて、各外来医は、画像アップロードのためにプラットフォームに迅速に登録またはログインすることができ、より正確な画像を得ることができる。
画像のセグメンテーションは、臨床部門の医師を導くことができる。
そして、画像を分析して腫瘍の位置と性質を判定し、標的治療を行う。
関連論文リスト
- CBIDR: A novel method for information retrieval combining image and data by means of TOPSIS applied to medical diagnosis [1.8416014644193066]
そこで我々は,患者の医療画像と臨床データの両方を活用するCBIDRという新しい手法を提案し,それらをランキングアルゴリズムToPSISを用いて組み合わせた。
精度の面での実験結果は、Top-1で97.44%、Top-5で100%達成し、提案手法の有効性を示した。
論文 参考訳（メタデータ） (2024-09-26T16:04:36Z) - Object Detection for Automated Coronary Artery Using Deep Learning [0.0]
本稿では,冠動脈狭窄の部位を正確に同定するために,X線血管造影画像の物体検出法を応用した。
このモデルにより,狭窄箇所の自動的かつリアルタイムな検出が可能となり,決定プロセスの重要かつ機密性の高い支援が可能となった。
論文 参考訳（メタデータ） (2023-12-19T13:14:52Z) - Mining Gaze for Contrastive Learning toward Computer-Assisted Diagnosis [61.089776864520594]
医用画像のテキストレポートの代替としてアイトラッキングを提案する。
医用画像を読み,診断する際に放射線科医の視線を追跡することにより,その視覚的注意と臨床的理由を理解することができる。
対照的な学習フレームワークのためのプラグイン・アンド・プレイモジュールとして,McGIP (McGIP) を導入した。
論文 参考訳（メタデータ） (2023-12-11T02:27:45Z) - LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical
Imaging via Second-order Graph Matching [59.01894976615714]
LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。
55の公開データセットから約13万の医療画像を収集しました。
LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
論文 参考訳（メタデータ） (2023-06-20T22:21:34Z) - Pixel-Level Explanation of Multiple Instance Learning Models in
Biomedical Single Cell Images [52.527733226555206]
複数のインスタンス学習モデルを説明するための4つの属性法について検討する。
急性骨髄性白血病の2つのデータセットと100万以上の単細胞画像について検討した。
我々は、属性マップと医療専門家の注釈を比較し、モデルの意思決定が人間の基準とどのように異なるかを確認する。
論文 参考訳（メタデータ） (2023-03-15T14:00:11Z) - Multimorbidity Content-Based Medical Image Retrieval Using Proxies [37.47987844057842]
本稿では、分類とコンテンツに基づく画像検索の両方に使用できる新しい多ラベルメトリック学習法を提案する。
本モデルは,疾患の存在を予測し,これらの予測の証拠を提供することによって診断を支援することができる。
分類とコンテンツに基づく画像検索へのアプローチの有効性を2つのマルチモービディティー・ラジオロジー・データセットで実証した。
論文 参考訳（メタデータ） (2022-11-22T11:23:53Z) - Soft-Label Anonymous Gastric X-ray Image Distillation [49.24576562557866]
本稿では,勾配降下法に基づく軟式ラベル匿名胃X線画像蒸留法を提案する。
実験の結果,提案手法は医療データセットを効果的に圧縮するだけでなく,患者の個人情報を保護するために医療画像の匿名化も可能であることがわかった。
論文 参考訳（メタデータ） (2021-04-07T02:04:12Z) - Fusing Medical Image Features and Clinical Features with Deep Learning
for Computer-Aided Diagnosis [7.99493100852929]
本稿では,MRI/CT画像と臨床情報を融合した新たな深層学習手法を提案する。
本研究では,アルツハイマー病診断,軽度認知障害コンバータ予測,肝微小血管浸潤診断への応用について検討した。
論文 参考訳（メタデータ） (2021-03-10T03:37:21Z) - Convolutional-LSTM for Multi-Image to Single Output Medical Prediction [55.41644538483948]
発展途上国の一般的なシナリオは、複数の理由からボリュームメタデータが失われることである。
ヒトの診断過程を模倣したマルチイメージから単一診断モデルを得ることが可能である。
論文 参考訳（メタデータ） (2020-10-20T04:30:09Z) - Learning Binary Semantic Embedding for Histology Image Classification
and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。
効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。
3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文 参考訳（メタデータ） (2020-10-07T08:36:44Z) - Optimal Transfer Learning Model for Binary Classification of Funduscopic
Images through Simple Heuristics [0.8370915747360484]
深層学習ニューラルネットワークを用いて、眼内画像の視覚的表現を診断する。
本稿では, 病原体が健康であるか, 病原体なのかを, 低コストで推定する, 病原体分類の統一モデルを提案する。
論文 参考訳（メタデータ） (2020-02-11T03:49:14Z)
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。