Fugu-MT 論文翻訳(概要): Skin Diseases Detection using LBP and WLD- An Ensembling Approach

論文の概要: Skin Diseases Detection using LBP and WLD- An Ensembling Approach

arxiv url: http://arxiv.org/abs/2004.04122v1
Date: Wed, 8 Apr 2020 17:09:59 GMT
ステータス: 処理完了
システム内更新日: 2022-12-15 09:11:18.854003
Title: Skin Diseases Detection using LBP and WLD- An Ensembling Approach
Title（参考訳）: LBPとWLDを用いた皮膚疾患検出 : 組立アプローチ
Authors: Arnab Banerjee, Nibaran Das, Mita Nasipuri
Abstract要約: 皮膚病変の画像から,レプロシー,ティエナ・ヴァーシカラー,ビティリゴの3種類の皮膚疾患を自動検出する手法を提案する。提案手法は, 皮膚領域のテクスチャパターンを表現するために, ウェバー局所記述子と局所二分パターンを含む。
参考スコア（独自算出の注目度）: 11.342730352935913
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In all developing and developed countries in the world, skin diseases are becoming a very frequent health problem for the humans of all age groups. Skin problems affect mental health, develop addiction to alcohol and drugs and sometimes causes social isolation. Considering the importance, we propose an automatic technique to detect three popular skin diseases- Leprosy, Tinea versicolor and Vitiligofrom the images of skin lesions. The proposed technique involves Weber local descriptor and Local binary pattern to represent texture pattern of the affected skin regions. This ensemble technique achieved 91.38% accuracy using multi-level support vector machine classifier, where features are extracted from different regions that are based on center of gravity. We have also applied some popular deep learn-ing networks such as MobileNet, ResNet_152, GoogLeNet,DenseNet_121, and ResNet_101. We get 89% accuracy using ResNet_101. The ensemble approach clearly outperform all of the used deep learning networks. This imaging tool will be useful for early skin disease screening.
Abstract（参考訳）: 世界のすべての発展途上国で、皮膚疾患はすべての年齢層の人々にとって非常に頻繁に健康上の問題となっている。皮膚の問題はメンタルヘルスに影響を与え、アルコールや薬物依存症になり、時には社会的孤立を引き起こす。そこで本研究では,皮膚病変の画像から,レプロシー,ティエナ・ヴァーシカラー,ビチリゴの3種類の皮膚疾患を自動検出する手法を提案する。提案手法は, 皮膚領域のテクスチャパターンを表現するために, ウェバー局所記述子と局所二分パターンを含む。このアンサンブル技術は多段支持ベクトルマシン分類器を用いて91.38%の精度を達成し、重心に基づく異なる領域から特徴を抽出した。また、MobileNet、ResNet_152、GoogLeNet、DenseNet_121、ResNet_101といった人気のあるディープラーニングネットワークを適用しました。 ResNet_101の精度は89%です。アンサンブルアプローチは、使用済みのディープラーニングネットワークよりも明らかに優れています。このイメージングツールは皮膚疾患の早期スクリーニングに有用である。

関連論文リスト

PASSION for Dermatology: Bridging the Diversity Gap with Pigmented Skin Images from Sub-Saharan Africa [29.405369900938393]
アフリカでは皮膚科医が大幅に不足しており、人口は100万人に満たない。これは、皮膚疾患に苦しむ小児人口の80%が皮膚疾患に悩まされている皮膚科医に対する高い需要とは対照的である。 PASSIONプロジェクトは、このデータをオープンソース化することを目的として、サブサハラ諸国の皮膚疾患の画像を収集し、この問題に対処することを目的としている。
論文参考訳（メタデータ） (2024-11-07T10:11:37Z)
Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文参考訳（メタデータ） (2024-09-29T07:04:26Z)
Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文参考訳（メタデータ） (2024-02-16T05:16:20Z)
Skin Lesion Diagnosis Using Convolutional Neural Networks [0.30458514384586394]
本研究の目的は,様々な分野から画像分類のための最先端技術を収集し,この問題に対処することである。モデルは8012画像のデータセットを用いて訓練され、その性能は2003画像を用いて評価された。このモデルは、手作りの機能抽出を必要とせずに、イメージからラベルに直接、エンドツーエンドでトレーニングされています。
論文参考訳（メタデータ） (2023-05-18T17:15:08Z)
Multi-class Skin Cancer Classification Architecture Based on Deep Convolutional Neural Network [2.4469484645516837]
本稿では,異なる種類の皮膚病変を正確に同定するコンピュータによる深層学習手法を提案する。ディープラーニングアプローチは、モデルが画像の各ピクセルを学習するため、皮膚がんを極めて正確に検出することができる。いくつかのディープラーニングモデルには制限があり、モデルが偽陽性の結果に導かれる。
論文参考訳（メタデータ） (2023-03-13T23:16:18Z)
HierAttn: Effectively Learn Representations from Stage Attention and Branch Attention for Skin Lesions Diagnosis [18.026088450803258]
皮膚がんの早期診断と治療には, 皮膚病変の正確な非バイアス検査が重要である。最近の研究では、画像の早期診断のための分類のために、アンサンブル畳み込みニューラルネットワーク(CNN)が開発されている。階層型および自己注意型ニューラルネットワークであるHierAttnを紹介する。
論文参考訳（メタデータ） (2022-05-09T14:30:34Z)
Automatic Facial Skin Feature Detection for Everyone [60.31670960526022]
本研究では,野生の自撮り自撮りのために,さまざまな肌のトーンと年齢群にまたがって機能する顔顔の特徴自動検出法を提案する。具体的には,肌の色,重度度,照明条件の異なる自撮り画像に対して,アクネ,顔料,ニキビの位置を注釈する。
論文参考訳（メタデータ） (2022-03-30T04:52:54Z)
Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文参考訳（メタデータ） (2021-05-20T18:13:58Z)
Automatic Detection and Classification of Tick-borne Skin Lesions using Deep Learning [7.6146285961466]
この研究は、さまざまな畳み込みニューラルネットワークモデルを用いて、粘着性皮膚病変を検出することによって、Burlinaらによるアプローチに基づいている。われわれは、Googleから7つの言語で画像を取得してデータ入力を拡張し、トレーニングデータを多様化し、皮膚病変検出の精度を向上させるかどうかを検証した。
論文参考訳（メタデータ） (2020-11-23T15:16:14Z)
Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文参考訳（メタデータ） (2020-09-22T11:53:06Z)
Alleviating the Incompatibility between Cross Entropy Loss and Episode Training for Few-shot Skin Disease Classification [76.89093364969253]
そこで本研究では,皮膚疾患の診断にFew-Shot Learningを応用し,トレーニングサンプル問題の極端な不足に対処することを提案する。本稿では, エピソード学習において, クロスエントロピー(CE)よりも優れたクエリ-相対的損失(QR)を提案する。さらに,新しい適応型ハードマージン戦略により,提案したQR損失をさらに強化する。
論文参考訳（メタデータ） (2020-04-21T00:57:11Z)

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。