Fugu-MT 論文翻訳(概要): Lung Cancer detection using Deep Learning

論文の概要: Lung Cancer detection using Deep Learning

arxiv url: http://arxiv.org/abs/2501.07197v1
Date: Mon, 13 Jan 2025 10:44:08 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-14 14:26:36.960523
Title: Lung Cancer detection using Deep Learning
Title（参考訳）: ディープラーニングを用いた肺癌検出
Authors: Aryan Chaudhari, Ankush Singh, Sanchi Gajbhiye, Pratham Agrawal,
Abstract要約: コンボリューショナルニューラルネットワークス(CNN)とサポートマシン(SVM)のハイブリッドモデルを用いた肺癌検出について検討する。この研究は、CTスキャン(Computed Tomography scan)をデータセットとしてトレーニングすることで、このハイブリッドモデルを使用する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: In this paper we discuss lung cancer detection using hybrid model of Convolutional-Neural-Networks (CNNs) and Support-Vector-Machines-(SVMs) in order to gain early detection of tumors, benign or malignant. The work uses this hybrid model by training upon the Computed Tomography scans (CT scans) as dataset. Using deep learning for detecting lung cancer early is a cutting-edge method.
Abstract（参考訳）: 本稿では,腫瘍,良性,悪性の早期発見のために,CNN(Convolutional-Neural-Networks)とSVM(Support-Vector-Machines-)のハイブリッドモデルを用いた肺がん検出について論じる。この研究は、CTスキャン(Computed Tomography scan)をデータセットとしてトレーニングすることで、このハイブリッドモデルを使用する。深層学習を用いて早期に肺がんを検出することは最先端の方法である。

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)
Optimizing Lung Cancer Detection in CT Imaging: A Wavelet Multi-Layer Perceptron (WMLP) Approach Enhanced by Dragonfly Algorithm (DA) [0.294944680995069]
本研究では,CTスキャン画像から肺がんを分類するための最先端のディープラーニングフレームワークを提案する。この研究には、画像前処理戦略、特にCannyエッジ検出とウェーブレット変換が含まれる。この手法は99.82%の優れた訓練と検査精度を達成し、肺癌の正確な診断の有効性と信頼性を裏付けている。
論文参考訳（メタデータ） (2024-08-27T18:27:47Z)
Double Integral Enhanced Zeroing Neural Network Optimized with ALSOA fostered Lung Cancer Classification using CT Images [1.1510009152620668]
肺がんは最も致命的な疾患の1つであり、疾患や死亡の原因となっている。提案手法は既存の手法で解析した18.32%,27.20%,34.32%の精度で得られた。
論文参考訳（メタデータ） (2023-12-05T10:53:35Z)
Combining low-dose CT-based radiomics and metabolomics for early lung cancer screening support [32.586316762855944]
肺癌はしばしば進行期と診断され、患者の生存率も低下する。早期診断は、肺組織腫瘍がまだ小さいとき、通常約3mmの大きさで検出されるように設計されたスクリーニングプログラムによって容易に行える。
論文参考訳（メタデータ） (2023-09-20T12:07:16Z)
A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。 Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
論文参考訳（メタデータ） (2023-04-12T05:41:44Z)
SGDA: Towards 3D Universal Pulmonary Nodule Detection via Slice Grouped Domain Attention [47.44114201293201]
肺がんは世界中でがんの死因となっている。現在の肺結節検出法は通常ドメイン固有である。肺結節検出ネットワークの一般化能力を高めるために,スライスグループドメインアテンション(SGDA)モジュールを提案する。
論文参考訳（メタデータ） (2023-03-07T03:17:49Z)
Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
論文参考訳（メタデータ） (2022-11-10T03:02:12Z)
Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文参考訳（メタデータ） (2021-10-27T19:28:36Z)
Predicting invasive ductal carcinoma using a Reinforcement Sample Learning Strategy using Deep Learning [0.951828574518325]
浸潤性管癌の死因は女性で2番目に多い。特定のマンモグラフィーの像の明瞭度や構造が変化しているため、がんの特徴を観察することは困難である。本稿では乳房マンモグラフィー画像に畳み込みニューラルネットワークを新たに利用する腫瘍分類アルゴリズムを提案する。
論文参考訳（メタデータ） (2021-05-26T14:14:45Z)
CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文参考訳（メタデータ） (2021-05-25T12:06:55Z)
Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
論文参考訳（メタデータ） (2020-02-03T22:25:01Z)

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。