Fugu-MT 論文翻訳(概要): Leveraging Machine Learning for Early Detection of Lung Diseases

論文の概要: Leveraging Machine Learning for Early Detection of Lung Diseases

arxiv url: http://arxiv.org/abs/2512.23757v1
Date: Sat, 27 Dec 2025 16:50:23 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-01 23:27:28.141401
Title: Leveraging Machine Learning for Early Detection of Lung Diseases
Title（参考訳）: 早期肺疾患検出のためのレバレッジ機械学習
Authors: Bahareh Rahmani, Harsha Reddy Bindela, Rama Kanth Reddy Gosula, Krishna Yedubati, Mohammad Amir Salari, Leslie Hinyard, Payam Norouzzadeh, Eli Snir, Martin Schoen,
Abstract要約: この研究は、迅速で正確で非侵襲的な診断ソリューションを提供し、患者の結果に大きな影響を及ぼす可能性がある。本研究は,胸部X線から新型コロナウイルス,肺癌,肺炎などの呼吸器疾患の診断を促進するための深層学習手法である。 CNN、VGG16、InceptionV3、EfficientNetB0など、さまざまなニューラルネットワークモデルを高精度、精度、リコール、F1スコアでトレーニングし、検証した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A combination of traditional image processing methods with advanced neural networks concretes a predictive and preventive healthcare paradigm. This study offers rapid, accurate, and non-invasive diagnostic solutions that can significantly impact patient outcomes, particularly in areas with limited access to radiologists and healthcare resources. In this project, deep learning methods apply in enhancing the diagnosis of respiratory diseases such as COVID-19, lung cancer, and pneumonia from chest x-rays. We trained and validated various neural network models, including CNNs, VGG16, InceptionV3, and EfficientNetB0, with high accuracy, precision, recall, and F1 scores to highlight the models' reliability and potential in real-world diagnostic applications.
Abstract（参考訳）: 従来の画像処理手法と高度なニューラルネットワークの組み合わせは、予測的で予防的な医療パラダイムを具体化する。この研究は、特に放射線医や医療資源へのアクセスが限られている地域では、患者の予後に大きな影響を与える、迅速で正確で非侵襲的な診断ソリューションを提供する。本研究は,胸部X線から新型コロナウイルス,肺癌,肺炎などの呼吸器疾患の診断を促進するための深層学習手法である。我々は、CNN、VGG16、InceptionV3、EfficientNetB0などのさまざまなニューラルネットワークモデルを、高精度、精度、リコール、F1スコアでトレーニングし、実世界の診断アプリケーションにおけるモデルの信頼性とポテンシャルを強調した。

関連論文リスト

Deep Learning-Based Pneumonia Detection from Chest X-ray Images: A CNN Approach with Performance Analysis and Clinical Implications [0.0]
胸部X線画像から自動的に肺炎を検出するために,Conal Neural Networksを用いた複雑なディープラーニングシステムを提案する。提案したCNNアーキテクチャは,分離可能な畳み込みやバッチ正規化,ドロップアウト正規化といった高度な手法を統合している。精度、精度、リコール、F1スコアなどの複雑な評価指標の配列は、精度91の精度を記録して、モデル例外性能を総合的に検証する。
論文参考訳（メタデータ） (2025-09-26T11:58:50Z)
A CT Image Classification Network Framework for Lung Tumors Based on Pre-trained MobileNetV2 Model and Transfer learning, And Its Application and Market Analysis in the Medical field [0.8249694498830561]
本稿では,事前学習したMobileNetV2モデルに基づくディープラーニングネットワークフレームワークを提案する。このモデルはテストセットで99.6%の精度を達成し、特徴抽出を大幅に改善した。診断精度を向上し、医療費を削減し、精密医療を促進するAIの可能性は、将来の医療産業の発展に大きな影響を与えるだろう。
論文参考訳（メタデータ） (2025-01-09T06:22:50Z)
Medical Artificial Intelligence 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)
MAGDA: Multi-agent guideline-driven diagnostic assistance [43.15066219293877]
救急部門、地方病院、または未開発地域の診療所では、臨床医は訓練された放射線技師による高速な画像分析を欠いていることが多い。本研究では,ゼロショットガイドライン駆動意思決定支援のための新しいアプローチを提案する。我々は、患者診断に到達するために協調する、対照的な視覚言語モデルで強化された複数のLLMエージェントのシステムをモデル化する。
論文参考訳（メタデータ） (2024-09-10T09:10:30Z)
Analysis of Modern Computer Vision Models for Blood Cell Classification [49.1574468325115]
この研究では、MaxVit、EfficientVit、EfficientNet、EfficientNetV2、MobileNetV3といった最先端アーキテクチャを使用して、迅速かつ正確な結果を得る。本手法は,従来の手法の速度と精度の懸念に対処するだけでなく,血液学的解析における革新的な深層学習モデルの適用性についても検討する。
論文参考訳（メタデータ） (2024-06-30T16:49:29Z)
Real-Time Magnetic Tracking and Diagnosis of COVID-19 via Machine Learning [2.737411991771932]
新型コロナウイルス(COVID-19)のパンデミックは、安定した公衆衛生介入のための信頼性の高い非侵襲的な診断ツールの重要性を浮き彫りにした。本研究では、MRSTと機械学習(ML)を融合させて、新型コロナウイルスやその他の呼吸器疾患のリアルタイム追跡と診断のための診断プラットフォームを構築した。
論文参考訳（メタデータ） (2023-11-01T13:57:33Z)
Advancing Diagnostic Precision: Leveraging Machine Learning Techniques for Accurate Detection of Covid-19, Pneumonia, and Tuberculosis in Chest X-Ray Images [0.0]
新型コロナウイルス、結核(TB)、肺炎などの肺疾患は、依然として深刻な世界的な健康上の問題となっている。救急医療と科学者は、早期の新型コロナウイルス(COVID-19)の診断に信頼性と正確なアプローチを作成するために、集中的に取り組んでいる。
論文参考訳（メタデータ） (2023-10-09T18:38:49Z)
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)
Knowledge-enhanced Visual-Language Pre-training on Chest Radiology Images [40.52487429030841]
胸部X線と放射線検査を用いた視力監督前訓練のための知識強調型自動診断(KAD)を提案する。我々は、4つの外部X線データセット上でKADを評価し、そのゼロショット性能が完全言語モデルよりも優れていることを示す。
論文参考訳（メタデータ） (2023-02-27T18:53:10Z)
When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
論文参考訳（メタデータ） (2022-03-24T02:09:41Z)
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)

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。