Fugu-MT 論文翻訳(概要): Bioimpedance a Diagnostic Tool for Tobacco Induced Oral Lesions: a Mixed Model cross-sectional study

論文の概要: Bioimpedance a Diagnostic Tool for Tobacco Induced Oral Lesions: a Mixed Model cross-sectional study

arxiv url: http://arxiv.org/abs/2408.11886v1
Date: Wed, 21 Aug 2024 15:24:43 GMT
ステータス: 処理完了
システム内更新日: 2024-08-23 18:16:33.391418
Title: Bioimpedance a Diagnostic Tool for Tobacco Induced Oral Lesions: a Mixed Model cross-sectional study
Title（参考訳）: タバコによる口腔病変の診断ツールとしてのバイオインダプタンス : 混合モデルを用いた横断的研究
Authors: Vaibhav Gupta, Poonam Goel, Usha Agrawal, Neena Chaudhary, Garima Jain, Deepak Gupta,
Abstract要約: バイオインダプタンスデバイスは、OPMDとOSCCを区別するための意思決定に役立つ。 BIS測定に基づく診断では、感度は95.9%、特異性は86.7%である。
参考スコア（独自算出の注目度）: 5.328071031630115
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Introduction: Electrical impedance spectroscopy (EIS) has recently developed as a novel diagnostic device for screening and evaluating cervical dysplasia, prostate cancer, breast cancer and basal cell carcinoma. The current study aimed to validate and evaluate bioimpedance as a diagnostic tool for tobacco-induced oral lesions. Methodology: The study comprised 50 OSCC and OPMD tissue specimens for in-vitro study and 320 subjects for in vivo study. Bioimpedance device prepared and calibrated. EIS measurements were done for the habit and control groups and were compared. Results: The impedance value in the control group was significantly higher compared to the OPMD and OSCC groups. Diagnosis based on BIS measurements has a sensitivity of 95.9% and a specificity of 86.7%. Conclusion: Bioimpedance device can help in decision-making for differentiating OPMD and OSCC cases and their management, especially in primary healthcare settings. Keywords: Impedance, Cancer, Diagnosis, Device, Community
Abstract（参考訳）: 紹介:電気インピーダンス分光法(EIS)は、頚部異形成症、前立腺癌、乳癌、基底細胞癌をスクリーニングし評価するための新しい診断装置として最近開発された。本研究は, タバコによる口腔病変の診断ツールとして, バイオインダプタンスを評価し, 評価することを目的とした。方法: 本研究は, 生体内試験用OSCCおよびOPMD組織標本50例, 生体内試験用320例からなる。生体インピーダンス装置の調製と校正。 EIS測定は, 習慣および対照群に対して行われ, 比較した。結果: OPMD群およびOSCC群と比較して, 制御群のインピーダンス値が有意に高かった。 BIS測定に基づく診断では、感度は95.9%、特異性は86.7%である。結論: バイオインダプタンスデバイスは, OPMD と OSCC の患者とその管理, 特にプライマリ医療環境において, 意思決定に有効である。キーワード:インピーダンス、癌、診断、デバイス、コミュニティ

関連論文リスト

Cancer-Net PCa-Seg: Benchmarking Deep Learning Models for Prostate Cancer Segmentation Using Synthetic Correlated Diffusion Imaging [65.83291923029985]
前立腺癌(PCa)は米国で最も多いがんであり、約30,000人、全診断の29%、2024年に35,000人が死亡した。前立腺特異的抗原 (PSA) 検査やMRI (MRI) などの従来のスクリーニング法は診断において重要であるが、特異性や一般化性には限界がある。我々はU-Net、SegResNet、Swin UNETR、Attention U-Net、LightM-UNetといった最先端のディープラーニングモデルを用いて、200ドルのCDIからPCa病変を抽出する。
論文参考訳（メタデータ） (2025-01-15T22:23:41Z)
Advanced Lung Nodule Segmentation and Classification for Early Detection of Lung Cancer using SAM and Transfer Learning [0.0]
本研究は,Segment Anything Model(SAM)と転写学習技術を組み合わせた肺結節セグメンテーションの革新的アプローチを提案する。提案手法はバウンディングボックスプロンプトとビジョントランスフォーマーモデルを利用してセグメンテーション性能を向上し,高精度なDice similarity Coefficient (DSC) とIntersection over Union (IoU) のメトリクスを実現する。以上の結果から,CT検査から肺結節を正確に抽出するモデルの有効性が示唆され,早期発見の進展と肺癌診断における患者のケア結果の改善が示唆された。
論文参考訳（メタデータ） (2024-12-31T18:21:57Z)
Towards improving Alzheimer's intervention: a machine learning approach for biomarker detection through combining MEG and MRI pipelines [2.9027661868249255]
本研究は、健常者と軽度認知障害者を区別するために、MEG特徴を用いた分類手法を評価する。我々は、324人のBioFIND参加者のTesla MRIソースMEGデータ(158と166 HC)を使用した。 LCMVベースのMEGを用いたGLMNETでは、MRIとMEGの特徴を組み合わせることで、0.76の精度と0.82のAUCが達成された。
論文参考訳（メタデータ） (2024-08-09T02:15:01Z)
Two-Stage Hybrid Supervision Framework for Fast, Low-resource, and Accurate Organ and Pan-cancer Segmentation in Abdomen CT [12.506232623163665]
腹腔内臓器と腫瘍の分節化のための自己訓練と平均教師を統合したハイブリッド・教師付きフレームワークStMtを提案する。 FLARE2023の検証実験により,本手法が優れたセグメンテーション性能を実現することを示す。
論文参考訳（メタデータ） (2023-09-11T12:12:25Z)
A multimodal method based on cross-attention and convolution for postoperative infection diagnosis [0.0]
術後感染診断は重篤な合併症であり,高い診断上の課題となっている。 X線検査は、疑わしいPJI患者の画像検査である。本研究では,自己教師型マスク付きオートエンコーダ事前学習戦略とマルチモーダル核融合診断ネットワークMED-NVCを提案する。
論文参考訳（メタデータ） (2023-05-23T15:08:56Z)
Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
論文参考訳（メタデータ） (2023-04-12T15:08:34Z)
CancerUniT: Towards a Single Unified Model for Effective Detection, Segmentation, and Diagnosis of Eight Major Cancers Using a Large Collection of CT Scans [45.83431075462771]
ヒトの読者や放射線医は、臨床実践において、全身多臓器多臓器の検出と診断を日常的に行う。ほとんどの医療用AIシステムは、いくつかの疾患のリストの狭い単一の臓器に焦点を当てて構築されている。 CancerUniT は、マルチ腫瘍予測の出力を持つクエリベースの Mask Transformer モデルである。
論文参考訳（メタデータ） (2023-01-28T20:09:34Z)
Lung Cancer Diagnosis Using Deep Attention Based on Multiple Instance Learning and Radiomics [13.028105771052376]
肺癌の診断をmil(multiple instance learning)問題として扱うことで,臨床における診断過程をよりよく反映する。分類アルゴリズムとして、放射能を入力特徴の源と深い注意に基づくMILを選択しました。その結果,平均(SEM)が0.069の標準誤差,0.870(SEM 0.061)のリコール,0.928(SEM 0.078)の正の予測値,0.591(SEM 0.155)の負の予測値,0.842(AUC)の曲線下領域で0.807の平均精度が得られた。
論文参考訳（メタデータ） (2021-04-29T21:04:02Z)
Comparison of Machine Learning Classifiers to Predict Patient Survival and Genetics of GBM: Towards a Standardized Model for Clinical Implementation [44.02622933605018]
放射線モデルは、グリオ芽腫(GBM)の結果予測のための臨床データを上回ることが示されています。 GBM患者の生存率(OS),IDH変異,O-6-メチルグアニン-DNA-メチルトランスフェラーゼ(MGMT)プロモーターメチル化,EGFR(EGFR)VII増幅,Ki-67発現の9種類の機械学習分類器を比較した。 xgb は os (74.5%), ab for idh 変異 (88%), mgmt メチル化 (71,7%), ki-67 発現 (86,6%), egfr増幅 (81。
論文参考訳（メタデータ） (2021-02-10T15:10:37Z)
Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文参考訳（メタデータ） (2020-10-29T19:14:41Z)
Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。合計320回の試験(平均6回の試験)と28回の試験が行われた。ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文参考訳（メタデータ） (2020-05-27T20:44:38Z)

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。