論文の概要: Accurate Measles Rash Detection via Vision Transformer Fine-Tuning

• arxiv url: http://arxiv.org/abs/2005.09112v5
• Date: Sun, 10 Aug 2025 18:01:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:27.976876
• Title: Accurate Measles Rash Detection via Vision Transformer Fine-Tuning
• Title（参考訳）: 視覚変換器ファインチューニングによる正確な麻疹ハッシュ検出
• Authors: Qingguo Wang,
• Abstract要約: 麻疹は2000年8月5日に報告された1,356件の症例で2025年に復活した。 本研究では, 皮膚の異状を識別するために, 予め訓練したデータ効率画像変換器(DeiT)モデルに転写学習を適用した。 DeiTモデルは96.38%、精度96.24%、リコール96.38%、F1スコア96.23%という中央値の分類精度を達成した。
• 参考スコア（独自算出の注目度）: 11.168121941015013
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Measles, a highly contagious disease declared eliminated in the United States in 2000 after decades of successful vaccination campaigns, resurged in 2025, with 1,356 confirmed cases reported as of August 5, 2025. Given its rapid spread among susceptible individuals, fast and reliable diagnostic systems are critical for early prevention and containment. In this work, we applied transfer learning to fine-tune a pretrained Data-efficient Image Transformer (DeiT) model for distinguishing measles rashes from other skin conditions. Trained on a diverse, curated skin rash image dataset, the DeiT model achieved a median classification accuracy of 96.38%, precision of 96.24%, recall of 96.38%, and an F1-score of 96.23%, demonstrating high effectiveness in accurate detection to aid outbreak control. We also compared the DeiT model with a convolutional neural network, ResNet-50, and discussed the directions for future research.
• Abstract（参考訳）: 麻疹は2000年8月5日に報告された1,356件の症例で2025年に復活した。 敏速かつ信頼性の高い診断システムは、素早い予防と封じ込めのために重要である。 本研究では,皮膚の異状を識別するために,予め訓練したデータ効率画像変換器(DeiT)モデルに転写学習を適用した。 様々な皮膚の発疹画像データセットに基づいて訓練され、DeiTモデルは96.38%、精度96.24%、リコール96.38%、F1スコア96.23%という中央値の分類精度を達成した。 また、DeiTモデルと畳み込みニューラルネットワークResNet-50を比較し、今後の研究の方向性について議論した。

関連論文リスト

• Empowering Tuberculosis Screening with Explainable Self-Supervised Deep Neural Networks [66.59360534642579]
  結核は、特に資源に制限された人口や遠隔地において、世界的な健康危機として存続している。 本研究では,結核症例検診に適した自己指導型自己学習ネットワークを提案する。 ネットワーク全体の精度は98.14%で、それぞれ95.72%と99.44%という高いリコール率と精度を示している。
  論文  参考訳（メタデータ） (2024-06-19T18:10:06Z)
• Common and Rare Fundus Diseases Identification Using Vision-Language Foundation Model with Knowledge of Over 400 Diseases [57.27458882764811]
  以前の網膜画像の基礎モデルは、限られた疾患カテゴリと知識ベースで事前訓練された。 RetiZeroの事前トレーニングのために、公開データセット、眼科文献、オンラインリソースから得られたテキスト記述と組み合わせた341,896のベースイメージをコンパイルした。 RetiZeroは、ゼロショット病の認識、画像と画像の検索、内部およびドメイン間の疾患の識別など、いくつかの下流タスクにおいて優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2024-06-13T16:53:57Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• COVID-19 Detection from Exhaled Breath [0.4321423008988813]
  SARS-CoV-2は2019年に発生し、新型コロナウイルスのパンデミックを引き起こした。 本稿では,吐き気のみを利用する,安価で高速で非侵襲的な検知システムを提案する。 簡便な使用にもかかわらず,本システムは従来のポリメラーゼ鎖反応および抗原検査に匹敵する性能を示した。
  論文  参考訳（メタデータ） (2023-05-30T17:01:53Z)
• Computer-aided Diagnosis of Malaria through Transfer Learning using the ResNet50 Backbone [0.0]
  マラリアの原因は寄生虫のプラスモジウム(Plasmodium parasite)である。 本稿では、ResNet50 Deep Neural Networkを用いて、マラリアの細いスミア細胞像を寄生・無感染と分類するための、コンピュータ支援による自動診断手法を提案する。
  論文  参考訳（メタデータ） (2023-04-06T08:31:15Z)
• Dense Feature Memory Augmented Transformers for COVID-19 Vaccination Search Classification [60.49594822215981]
  本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。 本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。 この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2022-12-16T13:57:41Z)
• Using Deep Learning to Improve Early Diagnosis of Pneumonia in Underdeveloped Countries [0.0]
  この仮説は、深層学習モデルがX線形式で入力を受け取り、医師の同等の精度で診断を行うことができるというものである。 このモデルは、所定の正常および異常な肺所見を有する2000枚のX線画像に基づいて訓練された。 結果は、検査されたアルゴリズムが、異常な肺所見を平均82.5%の時間で正確に識別できたことを示している。
  論文  参考訳（メタデータ） (2022-10-10T21:38:54Z)
• 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)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)
• Falling into the Echo Chamber: the Italian Vaccination Debate on Twitter [65.7192861893042]
  われわれは、Twitter上での予防接種に関する議論が、予防接種ヘシタントに対する潜在的な不安にどのように影響するかを調査する。 予防接種懐疑派や擁護派が独自の「エチョ室」に居住していることが判明した。 これらのエコーチャンバーの中心には熱心な支持者がいて、高い精度のネットワークとコンテンツベースの分類器を構築しています。
  論文  参考訳（メタデータ） (2020-03-26T13:55:50Z)

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。