Fugu-MT 論文翻訳(概要): Novel Architecture of RPA In Oral Cancer Lesion Detection

論文の概要: Novel Architecture of RPA In Oral Cancer Lesion Detection

arxiv url: http://arxiv.org/abs/2603.10928v1
Date: Wed, 11 Mar 2026 16:12:27 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-12 16:22:33.046678
Title: Novel Architecture of RPA In Oral Cancer Lesion Detection
Title（参考訳）: 口腔癌病変検出におけるRPAの新しい構造
Authors: Revana Magdy, Joy Naoum, Ali Hamdi,
Abstract要約: 本研究では,31枚の画像を用いて,OC-RPAv1とOC-RPAv2の2つのRPA実装を評価する。 OC-RPAv1は平均0.29秒で1つの画像を処理するが、OCRPAv2はシングルトンの設計パターンとバッチ処理を採用し、予測時間を0.06秒に短縮する。
参考スコア（独自算出の注目度）: 0.25489046505746704
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Accurate and early detection of oral cancer lesions is crucial for effective diagnosis and treatment. This study evaluates two RPA implementations, OC-RPAv1 and OC-RPAv2, using a test set of 31 images. OC-RPAv1 processes one image per prediction in an average of 0.29 seconds, while OCRPAv2 employs a Singleton design pattern and batch processing, reducing prediction time to just 0.06 seconds per image. This represents a 60-100x efficiency improvement over standard RPA methods, showcasing that design patterns and batch processing can enhance scalability and reduce costs in oral cancer detection
Abstract（参考訳）: 口腔癌病変の正確な早期発見は、効果的な診断と治療に不可欠である。本研究では,31枚の画像を用いて,OC-RPAv1とOC-RPAv2の2つのRPA実装を評価する。 OC-RPAv1は平均0.29秒で1つの画像を処理するが、OCRPAv2はシングルトンの設計パターンとバッチ処理を採用し、予測時間を0.06秒に短縮する。これは、標準RPA法よりも60-100倍効率が向上し、設計パターンとバッチ処理が拡張性を高め、口腔癌検出のコストを削減できることを示している。

関連論文リスト

Deep Learning Enabled Segmentation, Classification and Risk Assessment of Cervical Cancer [0.0]
世界で4番目に多い女性がんの原因である頸部がんは、パパ・スミアテストによる早期発見が必要である。本研究では,細胞の境界を区分けし,がん細胞を分離するために境界ボックスを描画することにより,焦点を絞った解析を行った。様々な解像度とアスペクト比の画像を効果的に処理するために,新しいディープラーニングアーキテクチャであるMulti-Resolution Fusion Deep Convolutional Networkを提案した。
論文参考訳（メタデータ） (2025-05-21T13:25:27Z)
A two-stage dual-task learning strategy for early prediction of pathological complete response to neoadjuvant chemotherapy for breast cancer using dynamic contrast-enhanced magnetic resonance images [7.909471291751286]
病理学的完全反応の早期予測は、乳癌患者のパーソナライズされた治療を促進する。早期磁気共鳴画像を用いたpCRの早期予測のために,深層ニューラルネットワークを訓練するための2段階のデュアルタスク学習戦略を提案した。
論文参考訳（メタデータ） (2025-01-28T21:13:14Z)
Enhancing Clinically Significant Prostate Cancer Prediction in T2-weighted Images through Transfer Learning from Breast Cancer [71.91773485443125]
転送学習は、よりリッチなデータを持つドメインから取得した機能を活用して、限られたデータを持つドメインのパフォーマンスを向上させるテクニックである。本稿では,T2強調画像における乳癌からの転移学習による臨床的に有意な前立腺癌予知の改善について検討する。
論文参考訳（メタデータ） (2024-05-13T15:57:27Z)
Automated Prediction of Breast Cancer Response to Neoadjuvant Chemotherapy from DWI Data [2.321323878201932]
そこで本研究では,DWI腫瘍の自動分割のための「サイズ適応病変重み付け」を用いた深層学習モデルを提案する。我々のモデルは、pCR予測における人間専門家と、曲線(AUC)の0.76対0.796の領域とを一致させ、NAC中の標準自動化手法を上回ります。
論文参考訳（メタデータ） (2024-04-07T20:15:40Z)
COVID-19 Detection Based on Self-Supervised Transfer Learning Using Chest X-Ray Images [38.65823547986758]
胸部X線(CXR)画像から新型コロナウイルスを検出するための自己教師伝達学習法を提案する。オープンなCOVID-19 CXRデータセットの定量的評価と,視覚検査のための質的結果について検討した。
論文参考訳（メタデータ） (2022-12-19T07:10:51Z)
A Novel Implementation of Machine Learning for the Efficient, Explainable Diagnosis of COVID-19 from Chest CT [0.0]
本研究の目的は、胸部CTスキャンから新型コロナウイルスを機械学習で検出することである。提案したモデルは0.927の総合精度と0.958の感度を得た。
論文参考訳（メタデータ） (2022-06-15T18:35:22Z)
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)
An Explainable-AI approach for Diagnosis of COVID-19 using MALDI-ToF Mass Spectrometry [0.9250974571641537]
重症急性呼吸器症候群2型(SARS-CoV-2)は世界的なパンデミックを引き起こし、世界経済に大きな影響を与えた。近年では、現在の金標準リアルタイムポリメラーゼ連鎖反応(RT-PCR)結果と高い一致を示す複数の代替プラットフォームが公表されている。これらの新しい方法は鼻咽頭(NP)スワブを除去し、複雑な試薬の必要性を排除し、RT-PCRテスト試薬の供給の負担を軽減する。本研究では,人工知能を用いたAIテスト手法を設計し,実験結果の信頼性について検討した。
論文参考訳（メタデータ） (2021-09-28T23:29:31Z)
Momentum Contrastive Learning for Few-Shot COVID-19 Diagnosis from Chest CT Images [41.73507451077361]
本稿では,新型コロナウイルスの自動診断のための新しい深層学習アルゴリズムを提案する。コントラスト学習を用いてエンコーダを訓練し,大規模かつ一般公開された肺データセット上の表現的特徴表現をキャプチャする。以上の結果より,胸部CT画像による新型コロナウイルスの正確な診断におけるモデルの有用性が示唆された。
論文参考訳（メタデータ） (2020-06-16T10:14:58Z)
Dual-Sampling Attention Network for Diagnosis of COVID-19 from Community Acquired Pneumonia [46.521323145636906]
胸部CT(Central Computed Tomography)において,地域肺炎(CAP)からCOVID-19を自動診断するデュアルサンプリングアテンションネットワークを開発した。特に,3D畳み込みネットワーク(CNN)を用いた新しいオンラインアテンションモジュールを提案する。我々のアルゴリズムは、受信機動作特性曲線(AUC)値0.944、精度87.5%、感度86.9%、特異度90.1%、F1スコア82.0%の領域で、COVID-19画像を識別することができる。
論文参考訳（メタデータ） (2020-05-06T09:56:51Z)

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。