論文の概要: Medical Imaging Fusing Vision Transformer: Laryngeal Cancer Screening with Explanation

• arxiv url: http://arxiv.org/abs/2607.17789v1
• Date: Mon, 20 Jul 2026 10:22:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.590077
• Title: Medical Imaging Fusing Vision Transformer: Laryngeal Cancer Screening with Explanation
• Title（参考訳）: 医用画像融合型視覚変換器 : 解説による喉頭癌検診
• Abstract要約: 人工知能(AI)の応用は、臨床意思決定を支援するための有望なソリューションを提供する。 本研究では,狭帯域画像解析のためのトランスフォーマーとアテンション機構を適用し,良性病変と悪性病変の鑑別を行った。 その結果、F1(82.72%)、精度(82.33%)で優れた分類性能を示した。
• 参考スコア（独自算出の注目度）: 11.171083175366704
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Early and timely screening of laryngeal cancer is crucial for improving clinical outcomes. In recent years, NBI endoscopy has become a standard diagnostic tool for the detection of laryngeal lesions. However, its effective use requires well-trained clinicians and the procedure is time-consuming and subject to interobserver variability. In this context, the application of artificial intelligence (AI) offers a promising solution to support clinical decision-making. In this work, we proposed applying transformer and attention mechanism for analyzing the narrow band imaging and distinguish benign and malignant lesions. Results show it has good classification performance with F1 (82.72%), accuracy(82.33%). In addition, the result of laryngeal cancer screening is explainable for clinicians. The explainability is utilizing the state of art segmentation method (MedSAM) to provide the useful pathological information area for clinicians. The proposed methodology fusing classification and segmentation provides a translating on laryngeal cancer screening.
• Abstract（参考訳）: 喉頭癌の早期・早期検診は臨床成績の改善に不可欠である。 近年,NBI内視鏡は喉頭病変の診断の標準ツールとなっている。 しかし、その効果的な使用には、十分に訓練された臨床医が必要であり、その手順は時間がかかり、サーバ間のばらつきが伴う。 この文脈において、人工知能(AI)の適用は、臨床意思決定を支援するための有望なソリューションを提供する。 本研究では,狭帯域画像解析のためのトランスフォーマーとアテンション機構を適用し,良性病変と悪性病変の鑑別を行った。 その結果、F1(82.72%)、精度(82.33%)が良い分類性能を示した。 また, 喉頭癌検診の結果を臨床医に説明できる。 臨床医に有用な病理情報領域を提供するために, アートセグメンテーション法(MedSAM)の状況を利用する。 分類とセグメンテーションを融合させる手法として,喉頭癌検診の翻訳法を提案する。

関連論文リスト

• An Artificial Intelligence Model for Early Stage Breast Cancer Detection from Biopsy Images [0.0]
  本稿では,乳がんのタイプ識別を支援する人工知能ツールを提案する。 提案モデルは、良性組織と悪性組織を区別するために、畳み込みニューラルネットワーク(CNN)アーキテクチャを利用する。 このようなデータセットの実験結果は、モデルの有効性を示し、精度、精度、リコール、F1スコアの点で、既存のソリューションよりも優れています。
  論文  参考訳（メタデータ） (2025-05-24T09:11:50Z)
• An Attention Based Pipeline for Identifying Pre-Cancer Lesions in Head and Neck Clinical Images [1.0957311485487375]
  頭頸部癌は外科生検後に専門病院で診断されるが、診断が遅れる可能性がある。 疑わしい病変,分節を同定し,非異形成性,異形成性,癌性病変に分類するアテンションベースパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-05-03T09:02:17Z)
• Machine-Learning-based Colorectal Tissue Classification via Acoustic Resolution Photoacoustic Microscopy [3.916910844026426]
  大腸内視鏡では、がんによって影響を受ける組織の内部に詳細な情報を提供できないが、生検では組織を除去し、痛みと侵襲性がある。 音響分解能光音響顕微鏡(ARPAM)を用いた大腸組織分類のための機械学習手法について検討した。 提案手法の有効性を評価するため, 定量的および定性的に解析を行った。
  論文  参考訳（メタデータ） (2023-07-17T15:15:26Z)
• A marker-less human motion analysis system for motion-based biomarker discovery in knee disorders [60.99112047564336]
  NHSは低リスクの全ての患者に会うのが難しくなっているが、これはOA患者に限らない。 膝関節疾患の診断と治療経過のモニタリングのためのバイオマーカー自動同定法を提案する。
  論文  参考訳（メタデータ） (2023-04-26T16:47:42Z)
• Calibrate the inter-observer segmentation uncertainty via diagnosis-first principle [45.29954184893812]
  本稿では, サーバ間セグメンテーションの不確実性を校正するための基準として, 診断第一原則を提案する。 さらに, 原画像からのTake and Give Modelto segment DF-GTを提案する。 実験の結果, 提案したDiFFは, 対応する疾患の診断を著しく促進できることがわかった。
  論文  参考訳（メタデータ） (2022-08-05T07:12:24Z)
• Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
  胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。 本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
  論文  参考訳（メタデータ） (2022-02-17T08:33:52Z)
• BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer Diagnosis in Breast Ultrasound Images [69.41441138140895]
  本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。 提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。 臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
  論文  参考訳（メタデータ） (2021-10-05T19:14:46Z)
• Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
  ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。 臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。 そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2020-10-09T14:39:27Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)
• Review on Computer Vision in Gastric Cancer: Potential Efficient Tools for Diagnosis [0.0]
  本総説は,胃癌に対するコンピュータビジョンの進歩に焦点を当てたものである。 データ生成と拡張の異なる方法が提示される。 より正確な診断とタイムリーな治療を支援するため,分類・分節技術について論じる。
  論文  参考訳（メタデータ） (2020-05-17T16:14:15Z)
• Automatic Lesion Detection System (ALDS) for Skin Cancer Classification Using SVM and Neural Classifiers [0.6445605125467573]
  自動病変検出システム(ALDS)は、医師や皮膚科医が皮膚がんの適切な解析と治療のための第2の意見を得るのに役立つ。 本稿では,確率論的アプローチに基づく改良ALDSフレームワークの開発に焦点をあてる。
  論文  参考訳（メタデータ） (2020-03-13T13:31:35Z)

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。