論文の概要: Artificial Intelligence Algorithms for the Detection of Pathologies Related to Lung Cancer through Image Analysis using Convolutional Neural Networks and Data Augmentation: a systematic mapping of the literature

• arxiv url: http://arxiv.org/abs/2609.10652v1
• Date: Wed, 09 Sep 2026 14:27:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.084482
• Title: Artificial Intelligence Algorithms for the Detection of Pathologies Related to Lung Cancer through Image Analysis using Convolutional Neural Networks and Data Augmentation: a systematic mapping of the literature
• Title（参考訳）: 畳み込みニューラルネットワークとデータ拡張を用いた画像解析による肺癌関連疾患検出のための人工知能アルゴリズム-文献の体系的マッピング
• Abstract要約: 本研究の目的は, 放射線学分野におけるAIと深層学習の最新の応用を肺がん検出に応用することである。 以上の結果から, 早期肺癌の診断にはAIとDLが有効であり, 感度と特異性が高いことが示唆された。 AIとDLの使用は肺癌患者のケアに肯定的な影響を与える可能性があるが、その品質と信頼性を確保するためにはさらなる研究と規制が必要である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lung cancer is one of the leading causes of death worldwide, and its early diagnosis is crucial to improving patients prognosis and quality of life. However, the process of interpreting medical images for the detection of lung cancer is complex and requires trained experts. In this context, artificial intelligence (AI) and deep learning (DL) emerge as potential tools to automate and optimize image analysis. The objective of this work is to review the most recent and relevant applications of AI and DL in the field of radiology for the detection of lung cancer. To this end, an exhaustive search was carried out in scientific databases such as PubMed,IEEEXPLORE, Scopus and Web of Science, and 96 articles published from 2015 to the present addressing the use of AI and DL in biomedical engineering were selected. Emphasis is placed on the use of convolutional neural networks (CNN) with transfer learning and Data Augmentation as promising techniques to improve the accuracy and efficiency of the image interpretation process. The results show that the use of AI and DL can offer an effective alternative for the early diagnosis of lung cancer, with high sensitivity and specificity. However, current limitations and challenges that must be addressed to guarantee its responsible and safe application in clinical practice are also identified, such as the lack of standardized data, the ex plainability of the models, patient privacy, and the ethical and social implications. It is concluded that the use of AI and DL can have a positive impact on the care of patients with lung cancer, but further research and regulation are required to ensure its quality and reliability.
• Abstract（参考訳）: 肺がんは世界中で死因の1つであり、早期診断は患者の予後と生活の質を改善するために重要である。 しかし, 肺がん検出のための医用画像の解釈は複雑であり, 専門医が必要である。 この文脈では、画像解析を自動化し最適化する潜在的なツールとして、人工知能(AI)とディープラーニング(DL)が登場します。 本研究の目的は, 放射線学分野におけるAIとDLの最新の応用を肺がん検出に応用することである。 この目的のために、PubMed、IEEEXPLORE、Scopus、Web of Scienceなどの科学データベースで徹底的な検索が行われ、2015年から現在までのバイオメディカルエンジニアリングにおけるAIとDLの使用に対処する96の論文が選択された。 画像解釈プロセスの精度と効率を改善するための有望な技術として、トランスファーラーニングとデータ拡張を併用した畳み込みニューラルネットワーク(CNN)が注目されている。 以上の結果から, 早期肺癌の診断にはAIとDLが有効であり, 感度と特異性が高いことが示唆された。 しかし、標準化されたデータの欠如、モデルの明快さ、患者のプライバシ、倫理的および社会的影響など、その臨床実践における責任と安全性を保証するために対処しなければならない現在の制限や課題も特定されている。 AIとDLの使用は肺癌患者のケアに肯定的な影響を与える可能性があるが、その品質と信頼性を確保するためにはさらなる研究と規制が必要である。

関連論文リスト

• PSO-XAI: A PSO-Enhanced Explainable AI Framework for Reliable Breast Cancer Detection [2.5631347250059577]
  本研究では、機能選択のためのカスタマイズされたParticle Swarm Optimization (PSO)を組み込んだ統合フレームワークを提案する。 提案手法は、精度と精度を含む全てのパフォーマンス指標において99.1%の優れたスコアを得た。 結果は,Swarmインテリジェンスと説明可能なMLを組み合わせることで,堅牢で信頼性が高く,臨床的に有意義な乳癌診断の可能性を強調した。
  論文  参考訳（メタデータ） (2025-10-23T14:42:50Z)
• AI in Oncology: Transforming Cancer Detection through Machine Learning and Deep Learning Applications [0.3937575566991286]
  本稿では,従来の診断技術の限界について検討し,がんの診断・治療におけるAIの変革的役割について考察する。 この研究は、放射線医学におけるAIの適用を、癌の詳細な特徴、関連するリスクを特定するための予測分析、即時診断のためのアルゴリズム駆動ロボットの開発に応用することを目的としている。 このプラットフォームの包括的な目標は、専門家の推薦の開発を支援し、普遍的で効率的な診断手順を提供することである。
  論文  参考訳（メタデータ） (2025-01-26T11:32:43Z)
• Explainable Artificial Intelligence for Medical Applications: A Review [42.33274794442013]
  本稿では、説明可能な人工知能(XAI)に関する最近の研究をレビューする。 視覚、オーディオ、マルチモーダルの観点からの医療実践に焦点を当てている。 我々は、将来の研究者や医療専門家に支援とガイダンスを提供することを目的として、これらのプラクティスを分類し、合成することに努めます。
  論文  参考訳（メタデータ） (2024-11-15T11:31:06Z)
• 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)
• Variational and Explanatory Neural Networks for Encoding Cancer Profiles and Predicting Drug Responses [40.80133767939435]
  既存のAIモデルは、転写学データのノイズと生物学的解釈性の欠如により、課題に直面している。 ノイズ効果を軽減するために変動成分を組み込んだ新しいニューラルネットワークフレームワークVETEを紹介する。 VETEは、AIによる予測と、がん研究における生物学的に意味のある洞察のギャップを埋める。
  論文  参考訳（メタデータ） (2024-07-05T13:13:02Z)
• Breast Cancer Diagnosis: A Comprehensive Exploration of Explainable Artificial Intelligence (XAI) Techniques [37.9243470221619]
  乳がんの診断・診断における説明可能な人工知能(XAI)技術の適用について検討する。 複雑なAIモデルと実用的な医療アプリケーションの間のギャップを埋めることにおけるXAIの可能性を強調することを目的としている。
  論文  参考訳（メタデータ） (2024-06-01T18:50:03Z)
• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• Enhancing Breast Cancer Diagnosis in Mammography: Evaluation and Integration of Convolutional Neural Networks and Explainable AI [0.0]
  本研究では,畳み込みニューラルネットワーク(CNN)と説明可能な人工知能(XAI)を組み合わせて乳がんの診断を高度化するための統合フレームワークを提案する。 この方法論は、データセットの制限に対処するために、精巧なデータ前処理パイプラインと高度なデータ拡張技術を含んでいる。 本研究の焦点は,モデル予測の解釈におけるXAIの有効性を評価することである。
  論文  参考訳（メタデータ） (2024-04-05T05:00:21Z)
• Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
  カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。 拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。 本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
  論文  参考訳（メタデータ） (2023-11-30T15:11:03Z)
• Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
  メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。 本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
  論文  参考訳（メタデータ） (2023-07-30T16:08:45Z)
• A Review of Generative Adversarial Networks in Cancer Imaging: New Applications, New Solutions [12.1951719081621]
  コンピュータビジョンにおけるGAN(Generative Adrial Networks)の最近の進歩は、がんの検出と解析における機能強化の基礎となるかもしれない。 データ不足や不均衡など,がん画像の多くの重要な課題に対処するために,GANの可能性を評価した。 本稿では,ガン画像に応用された既存のGANの文献を批判的に評価するとともに,これらの課題に対処するための今後の研究方向性について提案する。
  論文  参考訳（メタデータ） (2021-07-20T14:57:51Z)

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。

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。