論文の概要: Differentially private fine-tuned NF-Net to predict GI cancer type

• arxiv url: http://arxiv.org/abs/2502.11329v1
• Date: Mon, 17 Feb 2025 01:04:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:10:50.645283
• Title: Differentially private fine-tuned NF-Net to predict GI cancer type
• Title（参考訳）: GI癌型予測のための差分プライベート微調整NF-Net
• Authors: Sai Venkatesh Chilukoti, Imran Hossen Md, Liqun Shan, Vijay Srinivas Tida, Xiali Hei,
• Abstract要約: 消化器癌(GI)をマイクロサテライト不安定(MSI)とマイクロサテライト安定(MSS)に分類することは重要である。 ディープラーニング(DL)モデルは、メンバシップ推論攻撃、モデル抽出攻撃など、さまざまな脅威に影響を受けやすい。 本稿では,機密データのプライバシを保ちながら,GIがんの状態を予測することを目的とする。
• 参考スコア（独自算出の注目度）: 2.2754055137802083
• License:
• Abstract: Based on global genomic status, the cancer tumor is classified as Microsatellite Instable (MSI) and Microsatellite Stable (MSS). Immunotherapy is used to diagnose MSI, whereas radiation and chemotherapy are used for MSS. Therefore, it is significant to classify a gastro-intestinal (GI) cancer tumor into MSI vs. MSS to provide appropriate treatment. The existing literature showed that deep learning could directly predict the class of GI cancer tumors from histological images. However, deep learning (DL) models are susceptible to various threats, including membership inference attacks, model extraction attacks, etc. These attacks render the use of DL models impractical in real-world scenarios. To make the DL models useful and maintain privacy, we integrate differential privacy (DP) with DL. In particular, this paper aims to predict the state of GI cancer while preserving the privacy of sensitive data. We fine-tuned the Normalizer Free Net (NF-Net) model. We obtained an accuracy of 88.98\% without DP to predict (GI) cancer status. When we fine-tuned the NF-Net using DP-AdamW and adaptive DP-AdamW, we got accuracies of 74.58% and 76.48%, respectively. Moreover, we investigate the Weighted Random Sampler (WRS) and Class weighting (CW) to solve the data imbalance. We also evaluated and analyzed the DP algorithms in different settings.
• Abstract（参考訳）: 世界的ゲノム状態から,腫瘍はMicrosatellite Instable (MSI) とMicrosatellite Stable (MSS) に分類される。 免疫療法はMSIの診断に用いられるが、放射線や化学療法はMSSの診断に用いられる。 したがって、胃癌(GI)腫瘍をMSI対MSSに分類し、適切な治療を行うことが重要である。 既存の文献では, 深層学習が組織像からGI癌腫瘍の分類を直接予測できることが示されている。 しかし、ディープラーニングモデル(DL)は、メンバシップ推論攻撃、モデル抽出攻撃など、さまざまな脅威に影響を受けやすい。 これらの攻撃は、現実のシナリオではDLモデルの使用を非現実的にします。 DLモデルを有用にし、プライバシーを維持するために、差分プライバシー(DP)とDLを統合する。 特に本論文は,機密データのプライバシーを維持しつつ,GIがんの状態を予測することを目的とする。 正規化自由ネット(NF-Net)モデルを微調整した。 DPを使わずに888.98\%の精度で進行癌を予知した。 DP-AdamWと適応DP-AdamWを用いてNF-Netを微調整すると,それぞれ74.58%,76.48%の精度が得られた。 さらに、重み付きランダムサンプリング(WRS)とクラス重み付け(CW)について検討し、データ不均衡を解決する。 また,DPアルゴリズムを異なる設定で評価,解析した。

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)
• 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)
• Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
  カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。 拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。 本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
  論文  参考訳（メタデータ） (2023-11-30T15:11:03Z)
• Variational Autoencoders for Feature Exploration and Malignancy Prediction of Lung Lesions [0.0]
  肺がんはイギリスで21%のがん死の原因となっている。 最近の研究は、定期的なスキャンから肺がんの正確な早期診断のためのAI手法の能力を実証している。 本研究では, 変異型オートエンコーダ(VAE)の肺癌病変に対する応用について検討した。
  論文  参考訳（メタデータ） (2023-11-27T11:12:33Z)
• Cancer-Net PCa-Data: An Open-Source Benchmark Dataset for Prostate Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [75.77035221531261]
  Cancer-Net PCa-Dataは、PCa患者の画像データであるボリュームCDI$s$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 PCa-Dataは、PCa用のCDI$s$画像データの最初の公開データセットである。
  論文  参考訳（メタデータ） (2023-11-20T10:28:52Z)
• 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)
• Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
  6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。 グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。 当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
  論文  参考訳（メタデータ） (2022-04-22T17:27:00Z)
• A Pragmatic Machine Learning Approach to Quantify Tumor Infiltrating Lymphocytes in Whole Slide Images [0.0]
  がん組織における腫瘍浸潤リンパ球(TIL)の上昇は、多くの種類のがんにおいて好ましい結果を示す。 本研究の目的は,肺がん患者の標準診断ヘマトキシリンおよびエオシン染色部(H&Eスライス)の全スライド画像(WSI)中のTILを自動的に定量化することである。
  論文  参考訳（メタデータ） (2022-02-14T10:22:10Z)
• Self supervised learning improves dMMR/MSI detection from histology slides across multiple cancers [0.0]
  マイクロサテライト不安定症(MSI)は大腸癌の診断に大きく影響する腫瘍表現型である H&Eステンディングスライドから直接MSI腫瘍を検出する深層学習モデルは、MSI患者の診断を改善することを約束している。 我々は、MoCo V2を用いて、TCGAデータセットの組織像からニューラルネットワークをトレーニングすることで、近年の自己教師学習の進歩を活用している。
  論文  参考訳（メタデータ） (2021-09-13T09:43:12Z)
• Applying a random projection algorithm to optimize machine learning model for predicting peritoneal metastasis in gastric cancer patients using CT images [0.3120960917423201]
  手術前の癌転移のリスクを非侵襲的に予測することは、最適な治療方法を決定する上で重要な役割を担っている。 本研究では,小・不均衡の画像データセットを用いて最適な機械学習モデルを構築するための新しいアプローチについて検討する。
  論文  参考訳（メタデータ） (2020-09-01T19:53:09Z)

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。