Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

A survey on Barrett's esophagus analysis using machine learning

Texto completo
Autor(es):
de Souza Jr, Luis A. ; Palm, Christoph [1, 2, 3] ; Mendel, Robert [1] ; Hook, Christian [1] ; Ebigbo, Alanna [4] ; Probst, Andreas [4] ; Messmann, Helmut [4] ; Weber, Silke [5] ; Papa, Joao P. [6]
Número total de Autores: 9
Afiliação do(s) autor(es):
[1] de Souza Jr, Jr., Luis A., Ostbayer Tech Hsch Regensburg OTH Regensburg, Regensburg Med Image Comp ReMIC, Regensburg - Germany
[2] OTH Regensburg, RCBE, Regensburg - Germany
[3] Regensburg Univ, Regensburg - Germany
[4] Klinikum Augsburg, Med Klin 3, Augsburg - Germany
[5] Sao Paulo State Univ, Dept Otorhinolaryngol, Sao Paulo - Brazil
[6] de Souza Jr, Jr., Luis A., Sao Paulo State Univ, UNESP, Dept Comp, Sao Paulo - Brazil
Número total de Afiliações: 6
Tipo de documento: Artigo Científico
Fonte: COMPUTERS IN BIOLOGY AND MEDICINE; v. 96, p. 203-213, MAY 1 2018.
Citações Web of Science: 6
Resumo

This work presents a systematic review concerning recent studies and technologies of machine learning for Barrett's esophagus (BE) diagnosis and treatment. The use of artificial intelligence is a brand new and promising way to evaluate such disease. We compile some works published at some well-established databases, such as Science Direct, IEEEXplore, PubMed, Plos One, Multidisciplinary Digital Publishing Institute (MDPI), Association for Computing Machinery (ACM), Springer, and Hindawi Publishing Corporation. Each selected work has been analyzed to present its objective, methodology, and results. The BE progression to dysplasia or adenocarcinoma shows a complex pattern to be detected during endoscopic surveillance. Therefore, it is valuable to assist its diagnosis and automatic identification using computer analysis. The evaluation of the BE dysplasia can be performed through manual or automated segmentation through machine learning techniques. Finally, in this survey, we reviewed recent studies focused on the automatic detection of the neoplastic region for classification purposes using machine learning methods. (AU)

Processo FAPESP: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?
Beneficiário:Alexandre Xavier Falcão
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
Beneficiário:José Alberto Cuminato
Linha de fomento: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
Processo FAPESP: 16/19403-6 - Modelos de aprendizado baseados em energia e suas aplicações
Beneficiário:João Paulo Papa
Linha de fomento: Auxílio à Pesquisa - Regular