論文の概要: The Potential of Convolutional Neural Networks for Cancer Detection

• arxiv url: http://arxiv.org/abs/2412.17155v3
• Date: Sun, 02 Feb 2025 13:54:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-04 16:06:14.863662
• Title: The Potential of Convolutional Neural Networks for Cancer Detection
• Title（参考訳）: 癌検出のための畳み込みニューラルネットワークの可能性
• Authors: Hossein Molaeian, Kaveh Karamjani, Sina Teimouri, Saeed Roshani, Sobhan Roshani,
• Abstract要約: CNN(Convolutional Neural Networks)は、医療画像の分析と分類のための強力なツールである。 分類にCNN技術を用いるこれらの進歩のほとんどで10の異なるがんが同定されている。 本研究は, 最高の作業を行い, 比較分析を行うCNNアーキテクチャを同定する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Early detection is a prime requisite for successful cancer treatment and increasing its survivability rates, particularly in the most common forms. CNNs (Convolutional Neural Networks) are very potent tools for the analysis and classification of medical images, with particular reference to the early detection of different types of cancer. Ten different cancers have been identified in most of these advances that use CNN techniques for classification. The unique architectures of CNNs employed in each study are focused on pattern recognition for each type of cancer through different datasets. By comparing and analyzing these architectures, the strengths and drawbacks of each approach are pointed out in terms of their efforts toward improving the earlier detection of cancer. The opportunity to embrace CNNs within the clinical sphere was interrogated as support or potential substitution of traditional diagnostic techniques. Furthermore, challenges such as integrating diverse data, how to interpret the results, and ethical dilemmas continue to stalk this field with inconceivable hindrances. This study identifies those CNN architectures that carry out the best work and offers a comparative analysis that reveals to researchers the impact of CNNs on cancer detection in the leap toward boosting diagnostic capabilities in health.
• Abstract（参考訳）: 早期発見は、がん治療の成功と生存率、特に最も一般的な形での上昇に必須である。 CNN(Convolutional Neural Networks)は、医学画像の解析と分類のための非常に強力なツールであり、特に様々な種類の癌の早期発見に言及している。 分類にCNN技術を用いるこれらの進歩のほとんどで10の異なるがんが同定されている。 各研究で採用されているCNNのユニークなアーキテクチャは、異なるデータセットを通して、がんの種類ごとにパターン認識に焦点を当てている。 これらのアーキテクチャを比較し,解析することにより,早期のがん検出の改善に向けた取り組みにおいて,それぞれのアプローチの長所と短所が指摘される。 CNNを臨床領域に取り入れる機会は、従来の診断技術のサポートや置換の可能性として疑問視された。 さらに、多様なデータの統合、結果の解釈方法、倫理的ジレンマといった課題は、この領域を理解不能な障害でストーカーし続けている。 本研究は, 最善を尽くすCNNアーキテクチャを同定し, 健康診断能力向上に向けたCNNのがん検出への影響について, 比較分析を行った。

関連論文リスト

• Medical AI for Early Detection of Lung Cancer: A Survey [11.90341994990241]
  肺がんは世界中で致死率と死亡率の主要な原因の1つである。 コンピュータ支援診断システム(CAD)は肺結節の検出と分類に有効であることが証明されている。 深層学習アルゴリズムは肺結節解析の精度と効率を大幅に改善した。
  論文  参考訳（メタデータ） (2024-10-18T17:45:42Z)
• A comprehensive study on Blood Cancer detection and classification using Convolutional Neural Network [6.648024246537002]
  本研究は、新しいアンサンブルモデルDIXを開発し、血液がんを検出し分類する。 統計学的結果から、DIXはオリジナルとトランスファーの学習性能より優れており、99.12%の精度が得られたことが示唆されている。 CNNを用いた血液がんの検出と分類の精度は、CNNモデルが血液がんの検出に有望であることを示唆している。
  論文  参考訳（メタデータ） (2024-09-10T17:53:47Z)
• Exploring Explainable AI Techniques for Improved Interpretability in Lung and Colon Cancer Classification [0.0]
  肺がんと大腸がんは世界中で深刻な健康上の問題であり、死亡リスクを減らすためには早期かつ正確な診断が必要である。 組織学は依然として金の標準であり続けているが、サーバ間のミスには時間がかかり、脆弱である。 近年のディープラーニングの進歩は、医療画像解析への応用への関心を生んでいる。
  論文  参考訳（メタデータ） (2024-05-07T18:49:34Z)
• Centroid-aware feature recalibration for cancer grading in pathology images [1.3416507206206674]
  本稿では,癌診断を高精度かつロバストに行うセンチロイド対応機能再校正ネットワークを提案する。 提案するネットワークは, 入力病理画像を埋め込み空間にマッピングし, 異なるがんグレードのベクターを組み込んで調整する。 異なる環境下で収集された大腸癌データセットを用いて,提案したネットワークの評価を行った。
  論文  参考訳（メタデータ） (2023-07-26T04:01:57Z)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• Breast Cancer Detection and Diagnosis: A comparative study of state-of-the-arts deep learning architectures [3.883460584034766]
  南アフリカなど世界3カ国の乳がん患者の生存率は驚くほど低い。 医療専門家や研究者は、エンドツーエンドソリューションを開発するために、ドメイン固有のAIアプローチ、特にディープラーニングモデルに目を向けている。 本研究では、ビジョントランスフォーマー(ViT)と呼ばれる比較的新しいモデルと比較して、様々な最先端畳み込みニューラルネットワーク(CNN)アーキテクチャの性能を評価することに焦点を当てる。
  論文  参考訳（メタデータ） (2023-05-31T15:21:34Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• 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)
• Topological Data Analysis of copy number alterations in cancer [70.85487611525896]
  癌ゲノム情報に含まれる情報を新しいトポロジに基づくアプローチで捉える可能性を探る。 本手法は, 癌体性遺伝データに有意な低次元表現を抽出する可能性を秘めている。
  論文  参考訳（メタデータ） (2020-11-22T17:31:23Z)
• Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
  頭頸部腫瘍の早期発見は患者の生存に不可欠である。 ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-04-21T17:07:18Z)

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。