論文の概要: Advanced Deep Learning and Large Language Models: Comprehensive Insights for Cancer Detection

• arxiv url: http://arxiv.org/abs/2504.13186v1
• Date: Sun, 30 Mar 2025 15:17:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:52.584237
• Title: Advanced Deep Learning and Large Language Models: Comprehensive Insights for Cancer Detection
• Title（参考訳）: 高度な深層学習と大規模言語モデル:癌検出の総合的視点
• Authors: Yassine Habchi, Hamza Kheddar, Yassine Himeur, Adel Belouchrani, Erchin Serpedin, Fouad Khelifi, Muhammad E. H. Chowdhury,
• Abstract要約: 深層学習(DL)は、特にがんの検出と診断において医療を変革した。 医療におけるDLに関する多くのレビューにもかかわらず、がん検出におけるその役割に関する包括的な分析は依然として限られている。 本稿では、トランスファーラーニング(TL)、強化学習(RL)、フェデレーションラーニング(FL)、トランスフォーマー(Transformer)、大規模言語モデル(LLMs)などの先進的なDL手法を見直し、これらのギャップに対処する。
• 参考スコア（独自算出の注目度）: 5.428095624923599
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid advancement of deep learning (DL) has transformed healthcare, particularly in cancer detection and diagnosis. DL surpasses traditional machine learning and human accuracy, making it a critical tool for identifying diseases. Despite numerous reviews on DL in healthcare, a comprehensive analysis of its role in cancer detection remains limited. Existing studies focus on specific aspects, leaving gaps in understanding its broader impact. This paper addresses these gaps by reviewing advanced DL techniques, including transfer learning (TL), reinforcement learning (RL), federated learning (FL), Transformers, and large language models (LLMs). These approaches enhance accuracy, tackle data scarcity, and enable decentralized learning while maintaining data privacy. TL adapts pre-trained models to new datasets, improving performance with limited labeled data. RL optimizes diagnostic pathways and treatment strategies, while FL fosters collaborative model development without sharing sensitive data. Transformers and LLMs, traditionally used in natural language processing, are now applied to medical data for improved interpretability. Additionally, this review examines these techniques' efficiency in cancer diagnosis, addresses challenges like data imbalance, and proposes solutions. It serves as a resource for researchers and practitioners, providing insights into current trends and guiding future research in advanced DL for cancer detection.
• Abstract（参考訳）: 深層学習(DL)の急速な進歩は、特にがんの検出と診断において医療に変化をもたらした。 DLは従来の機械学習と人間の精度を超えており、病気を識別するための重要なツールとなっている。 医療におけるDLに関する多くのレビューにもかかわらず、がん検出におけるその役割に関する包括的な分析は依然として限られている。 既存の研究は特定の側面に焦点を当てており、その幅広い影響を理解するためのギャップを残している。 本稿では、トランスファーラーニング(TL)、強化学習(RL)、フェデレーションラーニング(FL)、トランスフォーマー(Transformer)、大規模言語モデル(LLMs)などの先進的なDL手法をレビューすることで、これらのギャップに対処する。 これらのアプローチは正確性を高め、データの不足に対処し、データのプライバシを維持しながら分散学習を可能にする。 TLはトレーニング済みのモデルを新しいデータセットに適応させ、ラベル付きデータに制限のあるパフォーマンスを改善する。 RLは診断経路と治療戦略を最適化し、FLは機密データを共有することなく協調的なモデル開発を促進する。 自然言語処理に伝統的に用いられてきたトランスフォーマーとLLMは、現在では解釈性を改善するために医療データに適用されている。 さらに, がん診断におけるこれらの技術の有効性について検討し, データ不均衡などの課題に対処し, 解決策を提案する。 研究者や実践者のためのリソースとして機能し、現在のトレンドに関する洞察を提供し、がん検出のための先進的なDLにおける将来の研究を導く。

関連論文リスト

• Deep Learning Advancements in Anomaly Detection: A Comprehensive Survey [43.75849983150303]
  データセットが複雑化するにつれて、従来の異常検出手法は複雑なパターンを捉えるのに苦労する。 ディープラーニングにより、ADメソッドはより強力で適応可能になり、高次元および非構造化データを扱う能力が改善された。 このレビューは、既存の文献のギャップを埋め、深層学習を用いたAD技術の向上を目指す研究者や実践者にとって貴重な情報源となる。
  論文  参考訳（メタデータ） (2025-03-17T14:04:48Z)
• Deep Transfer Learning for Kidney Cancer Diagnosis [2.87932876218736]
  移動学習(TL)は、他の異なる事前学習データに基づいて印象的な結果が得られる。 本報告では, 腎癌診断のためのDL-based TL フレームワークについて, 著者の知る限り, 総括的調査を行った。
  論文  参考訳（メタデータ） (2024-08-08T08:52:29Z)
• Explainable Biomedical Hypothesis Generation via Retrieval Augmented Generation enabled Large Language Models [46.05020842978823]
  大規模言語モデル(LLM)はこの複雑なデータランドスケープをナビゲートする強力なツールとして登場した。 RAGGEDは、知識統合と仮説生成を伴う研究者を支援するために設計された包括的なワークフローである。
  論文  参考訳（メタデータ） (2024-07-17T07:44:18Z)
• Federated and Transfer Learning for Cancer Detection Based on Image Analysis [2.696333064387343]
  本稿では,画像解析に基づくがん検出におけるフェデレートラーニング(FL)とトランスファーラーニング(TL)の役割について論じる。 FLは、集中的なデータ共有を必要とせずに、複数のサイトに分散したデータ上での機械学習モデルのトレーニングを可能にする。 TLは、あるタスクから別のタスクへの知識の転送を可能にする。
  論文  参考訳（メタデータ） (2024-05-30T15:07:30Z)
• Augmented Risk Prediction for the Onset of Alzheimer's Disease from Electronic Health Records with Large Language Models [42.676566166835585]
  アルツハイマー病(英語: Alzheimer's disease、AD)は、65歳以上のアメリカ人で5番目に多い死因である。 大規模言語モデル(LLM)の最近の進歩は、リスク予測の強化に強い可能性を秘めている。 本稿では,LSMの少数ショット推論能力を活用することでリスク予測を向上する新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-05-26T03:05:10Z)
• Machine Learning and Transformers for Thyroid Carcinoma Diagnosis: A Review [2.392768534292846]
  本稿では, 甲状腺癌(TC)の診断におけるAIベースのアプローチ, 特にトランスフォーマーを用いたアプローチについて概説する。 人工知能(AI)アルゴリズム,フレームワークの目標,使用するコンピューティング環境に基づく,これらの手法の新しい分類システムを導入する。 この論文は、教師なし、教師なし、または混在したアプローチを通じて、TCの診断と治療を支援するためのAI機器の重要性を強調している。
  論文  参考訳（メタデータ） (2024-03-17T17:45:04Z)
• The Significance of Machine Learning in Clinical Disease Diagnosis: A Review [0.0]
  本研究では、時系列医療指標における心拍データの伝達を改善するための機械学習アルゴリズムの能力について検討する。 検討中の要因は、アルゴリズムの利用、対象とする疾患の種類、採用されるデータの種類、応用、評価指標などである。
  論文  参考訳（メタデータ） (2023-10-25T20:28:22Z)
• 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)
• Self-Verification Improves Few-Shot Clinical Information Extraction [73.6905567014859]
  大規模言語モデル (LLMs) は、数発のテキスト内学習を通じて臨床キュレーションを加速する可能性を示している。 正確性や解釈可能性に関する問題、特に健康のようなミッションクリティカルな領域ではまだ苦戦している。 本稿では,自己検証を用いた汎用的な緩和フレームワークについて検討する。このフレームワークはLLMを利用して,自己抽出のための証明を提供し,その出力をチェックする。
  論文  参考訳（メタデータ） (2023-05-30T22:05:11Z)
• Deep learning methods for drug response prediction in cancer: predominant and emerging trends [50.281853616905416]
  がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。 最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。 このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
  論文  参考訳（メタデータ） (2022-11-18T03:26:31Z)
• Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
  一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。 医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。 外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
  論文  参考訳（メタデータ） (2022-07-01T14:17:11Z)
• 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)
• Explainable Deep Learning in Healthcare: A Methodological Survey from an Attribution View [36.025217954247125]
  本稿では,今後の研究者や臨床医の方法論として,深部・包括的に解釈可能性の方法を紹介した。 我々は、これらの方法が医療問題にどのように適応し、適用されたか、また、医師がこれらのデータ駆動技術をよりよく理解するのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2021-12-05T17:12:53Z)
• A Systematic Approach to Featurization for Cancer Drug Sensitivity Predictions with Deep Learning [49.86828302591469]
  35,000以上のニューラルネットワークモデルをトレーニングし、一般的な成果化技術を駆使しています。 RNA-seqは128以上のサブセットであっても非常に冗長で情報的であることがわかった。
  論文  参考訳（メタデータ） (2020-04-30T20:42:17Z)

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。