論文の概要: Machine Learning Applications to Diffuse Reflectance Spectroscopy in Optical Diagnosis; A Systematic Review

• arxiv url: http://arxiv.org/abs/2503.02905v1
• Date: Mon, 03 Mar 2025 13:10:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-06 15:53:05.887800
• Title: Machine Learning Applications to Diffuse Reflectance Spectroscopy in Optical Diagnosis; A Systematic Review
• Title（参考訳）: 光学診断における反射分光の拡散に対する機械学習応用 : システムレビュー
• Authors: Nicola Rossberg, Celina L. Li, Simone Innocente, Stefan Andersson-Engels, Katarzyna Komolibus, Barry O'Sullivan, Andrea Visentin,
• Abstract要約: 本研究はPRISMAガイドラインに従って実施され,77個の研究が検索され,詳細な分析が行われた。 拡散反射分光法と機械学習は、臨床応用において組織分化に強い可能性を秘めているが、より厳密な試料成層化とin-vivoバリデーションと説明可能なアルゴリズム開発が今後必要である。
• 参考スコア（独自算出の注目度）: 0.7538606213726908
• License:
• Abstract: Diffuse Reflectance Spectroscopy has demonstrated a strong aptitude for identifying and differentiating biological tissues. However, the broadband and smooth nature of these signals require algorithmic processing, as they are often difficult for the human eye to distinguish. The implementation of machine learning models for this task has demonstrated high levels of diagnostic accuracies and led to a wide range of proposed methodologies for applications in various illnesses and conditions. In this systematic review, we summarise the state of the art of these applications, highlight current gaps in research and identify future directions. This review was conducted in accordance with the PRISMA guidelines. 77 studies were retrieved and in-depth analysis was conducted. It is concluded that diffuse reflectance spectroscopy and machine learning have strong potential for tissue differentiation in clinical applications, but more rigorous sample stratification in tandem with in-vivo validation and explainable algorithm development is required going forward.
• Abstract（参考訳）: 拡散反射分光法は生体組織の同定と識別に強い適性を示した。 しかしながら、これらの信号のブロードバンドと滑らかな性質は、人間の目では区別が難しいため、アルゴリズム的な処理を必要とする。 このタスクのための機械学習モデルの実装は、高いレベルの診断精度を示し、様々な疾患や状況に適用するための幅広い手法が提案されている。 この体系的なレビューでは、これらの応用の現状を要約し、現在の研究のギャップを強調し、今後の方向性を特定する。 このレビューはPRISMAガイドラインに従って行われた。 77種を検索し,詳細な分析を行った。 拡散反射分光法と機械学習は、臨床応用において組織分化に強い可能性を秘めているが、より厳密な試料成層化とin-vivoバリデーションと説明可能なアルゴリズム開発が今後必要である。

関連論文リスト

• Self-Calibrated Dual Contrasting for Annotation-Efficient Bacteria Raman Spectroscopy Clustering and Classification [11.586869210490628]
  本稿では,Ramanスペクトル認識のためのアノテーション効率の良い自己校正デュアルコントラスト(SCDC)法を提案する。 我々のコアモチベーションは、2つの異なる部分空間における2つの異なる視点からのスペクトルを表現することである。 差別的表現を得るために,2つの視点から2つのコントラスト学習手法を実装した。
  論文  参考訳（メタデータ） (2024-12-28T07:27:51Z)
• HistoGym: A Reinforcement Learning Environment for Histopathological Image Analysis [9.615399811006034]
  HistoGymは、医師の実際の過程を模倣して、スライド画像全体の診断を促進することを目的としている。 私たちは、WSIベースのシナリオと選択された地域ベースのシナリオを含む、さまざまな臓器や癌のシナリオを提供しています。
  論文  参考訳（メタデータ） (2024-08-16T17:19:07Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• Deep Learning and Computer Vision for Glaucoma Detection: A Review [0.8379286663107844]
  緑内障は世界中で不可逆的な盲目の原因となっている。 コンピュータビジョンとディープラーニングの最近の進歩は、自動評価の可能性を示している。 眼底,光コヒーレンス断層撮影,視野画像を用いたAIによる緑内障の診断に関する最近の研究について調査した。
  論文  参考訳（メタデータ） (2023-07-31T09:49:51Z)
• Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
  メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。 本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
  論文  参考訳（メタデータ） (2023-07-30T16:08:45Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Multi-Modal Learning Using Physicians Diagnostics for Optical Coherence Tomography Classification [0.0]
  我々は,光学コヒーレンス・トモグラフィーの分析に専門家の診断と知見を取り入れたフレームワークを提案する。 OCTを用いた疾患分類を改善するために,医学診断属性データセットを作成する。
  論文  参考訳（メタデータ） (2022-03-20T18:37:20Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Deep Learning for Medical Anomaly Detection -- A Survey [38.32234937094937]
  本調査は,医学的異常検出における一般的な深層学習手法の詳細な理論的解析である。 我々は、アーキテクチャの違いとトレーニングアルゴリズムを比較し、対比しながら、最先端技術の一貫性と体系的なレビューに貢献する。 さらに,既存の深部医学的異常検出技術の重要な限界について概説し,今後の研究の方向性について検討する。
  論文  参考訳（メタデータ） (2020-12-04T02:09:37Z)
• Learning Binary Semantic Embedding for Histology Image Classification and Retrieval [56.34863511025423]
  バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。 効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。 3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
  論文  参考訳（メタデータ） (2020-10-07T08:36:44Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)

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。