Search research articles

お問い合わせ

JoVEについて

概要リーダーシップブログ JoVEヘルプセンター

著者向け

出版プロセス編集委員会範囲と方針査読よくある質問投稿

図書館員向け

推薦の声購読アクセスリソース図書館諮問委員会よくある質問

研究

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments アーカイブ

教育

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual 教員リソースセンター教員サイト

プライバシーポリシー

関連する概念動画

Adaptive Mechanisms in Cancer Cells

Adaptive Mechanisms in Cancer Cells

Cancer cells accumulate genetic changes at an abnormally rapid rate due to the defects in the DNA repair mechanisms. From an evolutionary perspective, such genetic instability is advantageous for cancer development. Mutant cell lines accumulate a series of beneficial mutations that contribute to their progression into cancer.
Some of the advantages that cancer cells have on normal cells include - enhanced ability to divide without terminally differentiating, induce new blood vessel formation,...

Applications of Integration to Find Blood Flow

Applications of Integration to Find Blood Flow

Blood flow through a cylindrical blood vessel can be mathematically described using the principles of laminar flow, a regime in which fluid moves smoothly in parallel layers. In this model, the velocity of the blood is not uniform across the cross-section of the vessel; rather, it varies with the radial distance from the center. The maximum velocity occurs along the central axis, decreasing progressively toward the vessel walls, where it reaches zero due to viscous drag.Approximating Blood...

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え

Same author

Optimized fetal head circumference estimation in 2D ultrasound using EfficientNet-B7 and Adam optimizer.

BMC pediatrics·2026

Same author

Deep Learning-Driven Early Diagnosis of Respiratory Diseases using CNN-RNN Fusion on Lung Sound Data.

Scientific reports·2025

Same author

Explainable deep reinforcement learning for climate forecasting with transfer learning.

Environmental science and pollution research international·2025

Same author

MSRP-TODNet: a multi-scale reinforced region wise analyser for tiny object detection.

BMC research notes·2025

Same author

Hybrid optimization technique for matrix chain multiplication using Strassen's algorithm.

F1000Research·2025

Same author

A novel optimization-driven deep learning framework for the detection of DDoS attacks.

Scientific reports·2024

Same journal

Serum vitamin D level and its association with vertigo frequency and severity in Meniere disease.

Scientific reports·2026

Same journal

PFA-Net: a physics-informed feature enhancement and attention network for interpretable bearing fault diagnosis under strong noise.

Scientific reports·2026

Same journal

Circulating inflammatory, redox, and apoptosis-related alterations in drug-naive idiopathic pulmonary fibrosis: an exploratory case-control study.

Scientific reports·2026

Same journal

A baseline-oriented dynamic aggregation approach for demand-side heterogeneous controllable resources.

Scientific reports·2026

Same journal

Temporal precision and accuracy in schizophrenia: an exploratory study.

Scientific reports·2026

Same journal

Prefrontal EEG spectral and nonlinear signatures of subthreshold depression during resting state and affectively valenced picture/video viewing: a participant-level analysis.

Scientific reports·2026

関連記事をすべて見る

Search research articles

関連する実験動画

Updated: Jul 9, 2026

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Published on: August 16, 2020

ディープラーニング技術を用いた積分微分方程式による癌検出のための統合的枠組み.

Tanneeru Gopisairam¹, Srinivasarao Thota², Thulasi Bikku³

¹Department of Mathematics, Amrita School of Physical Sciences, Amrita Vishwa Vidyapeetham, Amaravati, Andhra Pradesh, 522503, India.

Scientific reports

|February 18, 2026

まとめ

この要約は機械生成です。

この研究は,マンモグラフィの癌検出のための新しいディープラーニングフレームワークを導入しています. 2D画像を1D信号に変換することで,がんの領域を特定する上で高い精度を達成します.

キーワード:

癌の検出癌の検出微分方程式の微分方程式とは説明可能なAI 画像処理画像処理画像処理セグメンテーションセグメンテーションセグメンテーション学習の移転は学習の移転である.

さらに関連する動画

Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography

Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography

Published on: August 16, 2020

関連する実験動画

Last Updated: Jul 9, 2026

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Published on: August 16, 2020

Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography

Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography

Published on: August 16, 2020

科学分野:

メディカルイマージング (医学イメージング)
人工知能 (AI) とは,人工知能 (AI) のことです.
コンピュータ生物学コンピュータ生物学

背景:

医療画像からの正確な癌診断は,極めて重要ですが,挑戦的です.
ディープラーニングは,診断の精度を高めるための有望な計算ツールを提供します.

研究の目的:

マンモグラフィでがんを検出するための新しい枠組みを開発し,評価する.
数学モデルを用いた計算による癌診断の解釈性を向上させるため.

主な方法:

2Dマモグラフィを1D信号に変換して特徴を抽出する.
画像分類のために1Dコンボリューションニューラルネットワークを使用する.
腫瘍の動態と強度の変動をモデル化するために整微分方程式を組み込む.

主要な成果:

INbreastとMIASのデータセットでバイナリ分類で96.4%の精度を達成しました.
従来のディープラーニングのベースラインと比較して,比較可能または優れたパフォーマンスを実証した.
特徴抽出と計算効率の利点を強調した.

結論:

提案された枠組みは,マンモグラフィーの正確な,解釈可能な癌診断のための大きな可能性を示しています.
信号変換中のデータ依存性と情報損失などの制限に対処するためにさらなる研究が必要である.