Radiología de escaneos de imágenes para el diagnóstico temprano de tumores renales: una revisión de enfoques de aprendizaje automático y aprendizaje profundo basados en análisis de datos
Autores: Gharaibeh, Maha; Alzu"bi, Dalia; Abdullah, Malak; Hmeidi, Ismail; Al Nasar, Mohammad Rustom; Abualigah, Laith; Gandomi, Amir H.
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Radiología de escaneos de imágenes para el diagnóstico temprano de tumores renales: una revisión de enfoques de aprendizaje automático y aprendizaje profundo basados en análisis de datos
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Sistemas
Palabras clave
Tipos de enfermedades
Estilos de vida
Enfermedades comunes
Enfermedad renal
Tumores renales
Aprendizaje profundo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 34
Citaciones: Sin citaciones
Existen muchos tipos de enfermedades en las comunidades mundiales que pueden ser explicadas por los estilos de vida de los humanos o los factores económicos, sociales, genéticos y otros factores del país de residencia. Recientemente, la mayoría de las investigaciones se han centrado en estudiar enfermedades comunes en la población para reducir los riesgos de muerte, seguir el mejor procedimiento de tratamiento y mejorar el nivel de atención médica de las comunidades. La Enfermedad Renal es una de las enfermedades comunes que han afectado a nuestras sociedades. En particular, los Tumores Renales (TR) son el décimo tumor más prevalente tanto para hombres como para mujeres en todo el mundo. En general, la probabilidad de desarrollar un tumor renal a lo largo de la vida para los hombres es de aproximadamente 1 entre 466 (2.02 por ciento) y es alrededor de 1 entre 80 (1.03 por ciento) para las mujeres. Aún se necesita más investigación sobre nuevos métodos de diagnóstico, tempranos e innovadores en cuanto a encontrar un método de tratamiento adecuado para los TR. En comparación con el tedioso y demorado diagnóstico tradicional, los algoritmos de detección automática de aprendizaje automático pueden ahorrar tiempo de diagnóstico, mejorar la precisión de las pruebas y reducir costos. Estudios anteriores han demostrado que el aprendizaje profundo puede desempeñar un papel en el manejo de tareas complejas, diagnóstico y segmentación, y clasificación de Tumores Renales, uno de los tumores más malignos. Los objetivos de este artículo de revisión sobre el aprendizaje profundo en imágenes radiológicas son resumir lo que ya se ha logrado, determinar las técnicas utilizadas por los investigadores en años anteriores en el diagnóstico de Tumores Renales a través de imágenes médicas, e identificar algunas prometedoras vías futuras, ya sea en términos de aplicaciones o desarrollos tecnológicos, así como identificar problemas comunes, describir formas de ampliar el conjunto de datos, resumir el conocimiento y las mejores prácticas, y determinar los desafíos restantes y las direcciones futuras.
Descripción
Existen muchos tipos de enfermedades en las comunidades mundiales que pueden ser explicadas por los estilos de vida de los humanos o los factores económicos, sociales, genéticos y otros factores del país de residencia. Recientemente, la mayoría de las investigaciones se han centrado en estudiar enfermedades comunes en la población para reducir los riesgos de muerte, seguir el mejor procedimiento de tratamiento y mejorar el nivel de atención médica de las comunidades. La Enfermedad Renal es una de las enfermedades comunes que han afectado a nuestras sociedades. En particular, los Tumores Renales (TR) son el décimo tumor más prevalente tanto para hombres como para mujeres en todo el mundo. En general, la probabilidad de desarrollar un tumor renal a lo largo de la vida para los hombres es de aproximadamente 1 entre 466 (2.02 por ciento) y es alrededor de 1 entre 80 (1.03 por ciento) para las mujeres. Aún se necesita más investigación sobre nuevos métodos de diagnóstico, tempranos e innovadores en cuanto a encontrar un método de tratamiento adecuado para los TR. En comparación con el tedioso y demorado diagnóstico tradicional, los algoritmos de detección automática de aprendizaje automático pueden ahorrar tiempo de diagnóstico, mejorar la precisión de las pruebas y reducir costos. Estudios anteriores han demostrado que el aprendizaje profundo puede desempeñar un papel en el manejo de tareas complejas, diagnóstico y segmentación, y clasificación de Tumores Renales, uno de los tumores más malignos. Los objetivos de este artículo de revisión sobre el aprendizaje profundo en imágenes radiológicas son resumir lo que ya se ha logrado, determinar las técnicas utilizadas por los investigadores en años anteriores en el diagnóstico de Tumores Renales a través de imágenes médicas, e identificar algunas prometedoras vías futuras, ya sea en términos de aplicaciones o desarrollos tecnológicos, así como identificar problemas comunes, describir formas de ampliar el conjunto de datos, resumir el conocimiento y las mejores prácticas, y determinar los desafíos restantes y las direcciones futuras.