論文の概要: AI-Driven anemia diagnosis: A review of advanced models and techniques

• arxiv url: http://arxiv.org/abs/2510.11380v1
• Date: Mon, 13 Oct 2025 13:22:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.374259
• Title: AI-Driven anemia diagnosis: A review of advanced models and techniques
• Title（参考訳）: AI駆動性貧血診断 : 高度なモデルと技術の検討
• Authors: Abdullah Al Mahmud, Prangon Chowdhury, Mohammed Borhan Uddin, Khaled Eabne Delowar, Tausifur Rahman Talha, Bijoy Dewanjee,
• Abstract要約: 貧血は、世界中の何百万人もの個人に影響を及ぼす広範な健康問題であり、正確な診断とタイムリー診断は、貧血の効果的な管理と治療に不可欠である。 人工知能技術、すなわち機械学習(ML)とディープラーニング(DL)による貧血の検出、分類、診断への関心が高まっている。 本稿では, この分野での最近の進歩を体系的に概観し, 貧血検出に応用した各種モデルに焦点をあてる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Anemia, a condition marked by insufficient levels of red blood cells or hemoglobin, remains a widespread health issue affecting millions of individuals globally. Accurate and timely diagnosis is essential for effective management and treatment of anemia. In recent years, there has been a growing interest in the use of artificial intelligence techniques, i.e., machine learning (ML) and deep learning (DL) for the detection, classification, and diagnosis of anemia. This paper provides a systematic review of the recent advancements in this field, with a focus on various models applied to anemia detection. The review also compares these models based on several performance metrics, including accuracy, sensitivity, specificity, and precision. By analyzing these metrics, the paper evaluates the strengths and limitation of discussed models in detecting and classifying anemia, emphasizing the importance of addressing these factors to improve diagnostic accuracy.
• Abstract（参考訳）: 貧血は、赤血球やヘモグロビンの不足を特徴とする疾患であり、世界中で何百万人もの人が健康上の問題に悩まされている。 正確な診断とタイムリー診断は貧血の効果的な管理と治療に不可欠である。 近年、貧血の検出、分類、診断に機械学習(ML)やディープラーニング(DL)といった人工知能技術を使うことへの関心が高まっている。 本稿では, この分野での最近の進歩を体系的に概観し, 貧血検出に応用した各種モデルに焦点をあてる。 レビューでは、精度、感度、特異性、精度など、いくつかのパフォーマンス指標に基づいて、これらのモデルを比較している。 これらの指標を解析することにより、貧血の検出・分類における検討されたモデルの強度と限界を評価し、これらの要因に対処することの重要性を強調し、診断精度を向上させる。

関連論文リスト

• Leveraging Sparse Annotations for Leukemia Diagnosis on the Large Leukemia Dataset [44.948939549346676]
  白血病は世界で10番目に頻繁に診断されるがんであり、がん関連死亡の原因の1つとなっている。 医学画像の深層学習の進歩にもかかわらず、白血病解析には多種多様なマルチタスクデータセットが欠けている。 大規模WBCデータセットと,その属性を用いてWBCを検出する新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-04-03T14:04:02Z)
• A Hybrid Feature Fusion Deep Learning Framework for Leukemia Cancer Detection in Microscopic Blood Sample Using Gated Recurrent Unit and Uncertainty Quantification [1.024113475677323]
  白血病は、顕微鏡で血液や骨髄の腫れを分析して診断され、さらなる細胞化学的検査によって確認される。 深層学習は、白血病細胞の検出を補助する、顕微鏡スミア画像を分類する高度な方法を提供している。 本研究では,急性リンパ性白血病(ALL)の分類のためのハイブリッドディープラーニングモデルを構築した。 提案手法は、ALL-IDB1データセットで100%、ALL-IDB2データセットで98.07%、組み合わせたデータセットで98.64%という顕著な検出精度を達成した。
  論文  参考訳（メタデータ） (2024-10-18T15:23:34Z)
• Early Diagnosis of Acute Lymphoblastic Leukemia Using YOLOv8 and YOLOv11 Deep Learning Models [0.0]
  重篤な血液型である白血病は、毎年数千人の命が失われている。 本研究は,高度画像処理と深層学習技術を用いた急性リンパ芽球性白血病(ALL)の検出に焦点を当てた。
  論文  参考訳（メタデータ） (2024-10-14T16:42:07Z)
• LMOD: A Large Multimodal Ophthalmology Dataset and Benchmark for Large Vision-Language Models [38.78576472811659]
  大規模視覚言語モデル(LVLM)は、解剖情報を理解し、眼疾患を診断し、解釈と追跡計画の作成を支援する可能性がある。 我々は、クローズドソース、オープンソース、医療ドメインの13の最先端のLVLM代表をベンチマークした。 その結果,眼科領域では他の領域と比較してLVLMが有意に低下した。
  論文  参考訳（メタデータ） (2024-10-02T14:57:58Z)
• Assessing and Enhancing Large Language Models in Rare Disease Question-answering [64.32570472692187]
  本稿では,レアな疾患の診断におけるLarge Language Models (LLMs) の性能を評価するために,レアな疾患問合せデータセット(ReDis-QA)を導入する。 ReDis-QAデータセットでは1360の高品質な質問応答ペアを収集し,205の稀な疾患をカバーした。 その後、いくつかのオープンソースのLCMをベンチマークし、希少疾患の診断がこれらのモデルにとって重要な課題であることを示した。 実験の結果,ReCOPは,ReDis-QAデータセット上でのLCMの精度を平均8%向上できることがわかった。
  論文  参考訳（メタデータ） (2024-08-15T21:09:09Z)
• Neural Cellular Automata for Lightweight, Robust and Explainable Classification of White Blood Cell Images [40.347953893940044]
  ニューラルセルオートマトン(NCA)を用いた白血球分類の新しいアプローチを提案する。 NCAに基づく手法はパラメータの面で著しく小さく,ドメインシフトに対する堅牢性を示す。 その結果,NAAは画像分類に利用でき,従来の手法の課題に対処できることがわかった。
  論文  参考訳（メタデータ） (2024-04-08T14:59:53Z)
• Explainable AI in Diagnosing and Anticipating Leukemia Using Transfer Learning Method [0.0]
  本研究は,小児および10代に流行する急性リンパ芽球性白血病(ALL)に焦点をあてる。 ディープラーニング技術を活用したコンピュータ支援診断(CAD)モデルを用いた自動検出手法を提案する。 提案手法は98.38%の精度を達成し、他の試験モデルよりも優れていた。
  論文  参考訳（メタデータ） (2023-12-01T10:37:02Z)
• Large Language Models in Ambulatory Devices for Home Health Diagnostics: A case study of Sickle Cell Anemia Management [0.0]
  このデバイスは、貧血の重症度を評価するために血管新生物質レベルを測定するセンサーデータに依存する。 このようなデバイスを開発する上での大きな課題は、血管新生レベル評価のための信頼性の高い非侵襲ツールの作成である。
  論文  参考訳（メタデータ） (2023-05-05T17:55:49Z)
• Automated Detection of Acute Promyelocytic Leukemia in Blood Films and Bone Marrow Aspirates with Annotation-free Deep Learning [0.7091770799191859]
  白血球同定のための深層学習手法MILLIE(Multiple Instance Learning)を提案する。 MILLIEは最小限の監督で血液フィルムの自動信頼性解析を行うことができる。 血液膜および骨髄吸引液中の急性前骨髄球性白血病(APL)を検出する。
  論文  参考訳（メタデータ） (2022-03-20T18:53:09Z)

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。