論文の概要: An analysis of the combination of feature selection and machine learning methods for an accurate and timely detection of lung cancer

• arxiv url: http://arxiv.org/abs/2501.10980v1
• Date: Sun, 19 Jan 2025 08:09:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:21:33.905314
• Title: An analysis of the combination of feature selection and machine learning methods for an accurate and timely detection of lung cancer
• Title（参考訳）: 肺癌の高精度かつタイムリーな検出のための特徴選択と機械学習の組み合わせの解析
• Authors: Omid Shahriyar, Babak Nuri Moghaddam, Davoud Yousefi, Abbas Mirzaei, Farnaz Hoseini,
• Abstract要約: 本稿では,ランダムフォレスト(RF)やサポートベクトルマシン(SVM)といった高度な機械学習技術を用いて肺癌の診断方法を検討する。 Chi-squaredテストは、関連する機能を見つけ、モデル性能を向上させるためにうまく適用された機能選択戦略の1つである。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: One of the deadliest cancers, lung cancer necessitates an early and precise diagnosis. Because patients have a better chance of recovering, early identification of lung cancer is crucial. This review looks at how to diagnose lung cancer using sophisticated machine learning techniques like Random Forest (RF) and Support Vector Machine (SVM). The Chi-squared test is one feature selection strategy that has been successfully applied to find related features and enhance model performance. The findings demonstrate that these techniques can improve detection efficiency and accuracy while also assisting in runtime reduction. This study produces recommendations for further research as well as ideas to enhance diagnostic techniques. In order to improve healthcare and create automated methods for detecting lung cancer, this research is a critical first step.
• Abstract（参考訳）: 最も致命的ながんの1つは、早期かつ正確な診断を必要とする肺がんである。 患者が回復する確率が高いため、早期の肺癌の同定が重要である。 本稿では、ランダムフォレスト(RF)やサポートベクターマシン(SVM)といった高度な機械学習技術を用いて、肺癌の診断方法を検討する。 Chi-squaredテストは、関連する機能を見つけ、モデル性能を向上させるためにうまく適用された機能選択戦略の1つである。 その結果,これらの技術は検出効率と精度を向上するとともに,実行時の削減を支援できることが示唆された。 本研究は、さらなる研究と診断技術向上のためのアイデアを提示する。 この研究は、医療を改善し、肺がんを自動的に検出する手法を作成するために、重要な第一歩である。

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)
• 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)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• Leveraging object detection for the identification of lung cancer [0.15229257192293202]
  YOLOv5モデルは、がん性肺病変を検出するアルゴリズムの訓練に使用された。 訓練されたYOLOv5モデルは、肺癌の病変を同定し、高い精度とリコール率を示した。
  論文  参考訳（メタデータ） (2023-05-25T07:53:18Z)
• 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)
• Deep Learning Approach for Early Stage Lung Cancer Detection [0.0]
  肺癌患者の生存率は遅発診断による他のがん患者と比較して非常に低い。 本稿ではCTスキャンによる早期肺癌の予測と診断のためのディープラーニングモデルを提案する。
  論文  参考訳（メタデータ） (2023-02-05T18:50:12Z)
• 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)
• Machine Learning-based Lung and Colon Cancer Detection using Deep Feature Extraction and Ensemble Learning [0.9786690381850355]
  肺がんと大腸癌を効率よく同定するためのハイブリッドアンサンブル特徴抽出モデルを提案する。 深い特徴抽出とアンサンブル学習と、がん画像データセットのための高性能なフィルタリングを統合している。 本モデルでは, 99.05%, 100%, 99.30%の精度で, 肺癌, 大腸癌, 結腸癌を検出できる。
  論文  参考訳（メタデータ） (2022-06-02T15:14:41Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• 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)
• Automatic Generation of Interpretable Lung Cancer Scoring Models from Chest X-Ray Images [9.525711971667679]
  肺がんは世界中でがんの死因となっている。 深層学習技術は肺がんの診断に有効である。 これらの技術は、まだ医療コミュニティによって承認され、採用されていない。
  論文  参考訳（メタデータ） (2020-12-10T04:11:59Z)

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。