論文の概要: An Integrated AI-Enabled System Using One Class Twin Cross Learning (OCT-X) for Early Gastric Cancer Detection

• arxiv url: http://arxiv.org/abs/2504.01038v1
• Date: Mon, 31 Mar 2025 06:37:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:18:19.439856
• Title: An Integrated AI-Enabled System Using One Class Twin Cross Learning (OCT-X) for Early Gastric Cancer Detection
• Title（参考訳）: 早期胃癌検出のための一級クロスラーニング(OCT-X)を用いた統合型AI-Enabledシステム
• Authors: Xian-Xian Liu, Yuanyuan Wei, Mingkun Xu, Yongze Guo, Hongwei Zhang, Huicong Dong, Qun Song, Qi Zhao, Wei Luo, Feng Tien, Juntao Gao, Simon Fong,
• Abstract要約: 胃癌の早期発見は、現在の診断技術の限界によって妨げられている。 本稿では,高速化のバランスをとるため,高度なハードウェアとソフトウェア技術を統合した統合システムを提案する。
• 参考スコア（独自算出の注目度）: 13.609580790532842
• License:
• Abstract: Early detection of gastric cancer, a leading cause of cancer-related mortality worldwide, remains hampered by the limitations of current diagnostic technologies, leading to high rates of misdiagnosis and missed diagnoses. To address these challenges, we propose an integrated system that synergizes advanced hardware and software technologies to balance speed-accuracy. Our study introduces the One Class Twin Cross Learning (OCT-X) algorithm. Leveraging a novel fast double-threshold grid search strategy (FDT-GS) and a patch-based deep fully convolutional network, OCT-X maximizes diagnostic accuracy through real-time data processing and seamless lesion surveillance. The hardware component includes an all-in-one point-of-care testing (POCT) device with high-resolution imaging sensors, real-time data processing, and wireless connectivity, facilitated by the NI CompactDAQ and LabVIEW software. Our integrated system achieved an unprecedented diagnostic accuracy of 99.70%, significantly outperforming existing models by up to 4.47%, and demonstrated a 10% improvement in multirate adaptability. These findings underscore the potential of OCT-X as well as the integrated system in clinical diagnostics, offering a path toward more accurate, efficient, and less invasive early gastric cancer detection. Future research will explore broader applications, further advancing oncological diagnostics. Code is available at https://github.com/liu37972/Multirate-Location-on-OCT-X-Learning.git.
• Abstract（参考訳）: 早期の胃癌の発見は、世界中でがん関連死亡の原因となっているが、現在の診断技術の限界によっていまだに妨げられ、誤診の頻度が高く、診断が遅れている。 これらの課題に対処するため,我々は,高速化のバランスをとるために,高度なハードウェアとソフトウェア技術を相乗化する統合システムを提案する。 本研究では,一級双対クロスラーニング(OCT-X)アルゴリズムを提案する。 OCT-Xは、FDT-GSとパッチベースの完全な畳み込みネットワークを利用して、リアルタイムデータ処理とシームレスな病変監視によって診断精度を最大化する。 ハードウェアコンポーネントは、高解像度イメージングセンサー、リアルタイムデータ処理、およびNI CompactDAQおよびLabVIEWソフトウェアによって促進される無線接続を備えたオールインワン・ポイント・オブ・ケア・テスト(POCT)デバイスを含む。 我々の統合システムは、前例のない99.70%の診断精度を達成し、既存のモデルを4.47%まで大幅に上回り、乗算適応性は10%向上した。 これらの知見は, OCT-Xと臨床診断における統合システムの可能性を強調し, より正確で, 効率的で, 侵襲性の低い早期胃癌検出への道筋を提供する。 今後の研究は、より広範な応用を探求し、腫瘍学的診断をさらに進めていく。 コードはhttps://github.com/liu37972/Multirate-Location-on-OCT-X-Learning.gitで公開されている。

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)
• Unsupervised Training of Neural Cellular Automata on Edge Devices [2.5462695047893025]
  携帯電話上でのセルラーオートマタトレーニングを, アクセス可能なX線肺セグメンテーションのために直接実施する。 5つのAndroidデバイスにこれらの高度なモデルをデプロイし、トレーニングする実用性と実現可能性を確認します。 デジタルコピーが入手できず、X線ライトボックスやモニターから画像を撮影しなければならない極端な場合、VWSLはDiceの精度を5-20%向上させる。
  論文  参考訳（メタデータ） (2024-07-25T15:21:54Z)
• A lightweight deep learning pipeline with DRDA-Net and MobileNet for breast cancer classification [4.371891660358126]
  本稿では,乳がん分類の改善のための新しい深層学習手法を提案する。 本手法はShuffleNetの効率的なアーキテクチャにインスパイアされたResidual Dual-Shuffle Attention Network (DRDA-Net)に基づく。 MobileNetは、パフォーマンスを犠牲にすることなく、限られたリソースを持つデバイスでも高速な実行を保証する。
  論文  参考訳（メタデータ） (2024-03-17T08:09:48Z)
• Quantum Support Vector Machine for Prostate Cancer Detection: A Performance Analysis [0.0]
  本稿では,この重要な医療課題に対するQuantum Support Vector Machine (QSVM)の適用について紹介する。 本研究は,従来のSVM技術よりもQSVMによる診断性能の顕著な改善について概説する。 この結果は、古典的なSVMと同等の精度であるだけでなく、感度が7.14%上昇し、特に高いF1スコア(93.33%ドル)が明らかになった。
  論文  参考訳（メタデータ） (2024-03-12T17:46:38Z)
• Swin-Tempo: Temporal-Aware Lung Nodule Detection in CT Scans as Video Sequences Using Swin Transformer-Enhanced UNet [2.7547288571938795]
  本稿では、畳み込みニューラルネットワークと視覚変換器の長所を利用する革新的なモデルを提案する。 ビデオ中の物体検出にインスパイアされた各3次元CT画像をビデオとして扱い、個々のスライスをフレームとして、肺結節をオブジェクトとして扱い、時系列アプリケーションを可能にする。
  論文  参考訳（メタデータ） (2023-10-05T07:48:55Z)
• Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
  結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。 深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。 結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。 このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
  論文  参考訳（メタデータ） (2023-07-06T08:27:48Z)
• 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)
• 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)
• 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)
• 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。