Fugu-MT 論文翻訳(概要): The Skincare project, an interactive deep learning system for differential diagnosis of malignant skin lesions. Technical Report

論文の概要: The Skincare project, an interactive deep learning system for differential diagnosis of malignant skin lesions. Technical Report

arxiv url: http://arxiv.org/abs/2005.09448v1
Date: Tue, 19 May 2020 13:51:17 GMT
ステータス: 処理完了
システム内更新日: 2022-12-01 13:48:49.160574
Title: The Skincare project, an interactive deep learning system for differential diagnosis of malignant skin lesions. Technical Report
Title（参考訳）: skincare projectは、悪性皮膚病変の鑑別診断のための対話型ディープラーニングシステムである。技術報告
Authors: Daniel Sonntag, Fabrizio Nunnari, and Hans-J\"urgen Profitlich
Abstract要約: 皮膚科医の不足は、皮膚科医を求める患者に長い待ち時間をもたらします。本稿では、スキンケアプロジェクトについて述べる(H2020, EIT Digital)。コントリビューションには、インタラクティブ機械学習(IML)に基づく臨床意思決定支援技術の提供が含まれている。主な貢献は皮膚科における診断・意思決定支援システム, 悪性皮膚病変の鑑別診断のための対話型深層学習システムである。
参考スコア（独自算出の注目度）: 1.9785872350085878
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: A shortage of dermatologists causes long wait times for patients who seek dermatologic care. In addition, the diagnostic accuracy of general practitioners has been reported to be lower than the accuracy of artificial intelligence software. This article describes the Skincare project (H2020, EIT Digital). Contributions include enabling technology for clinical decision support based on interactive machine learning (IML), a reference architecture towards a Digital European Healthcare Infrastructure (also cf. EIT MCPS), technical components for aggregating digitised patient information, and the integration of decision support technology into clinical test-bed environments. However, the main contribution is a diagnostic and decision support system in dermatology for patients and doctors, an interactive deep learning system for differential diagnosis of malignant skin lesions. In this article, we describe its functionalities and the user interfaces to facilitate machine learning from human input. The baseline deep learning system, which delivers state-of-the-art results and the potential to augment general practitioners and even dermatologists, was developed and validated using de-identified cases from a dermatology image data base (ISIC), which has about 20000 cases for development and validation, provided by board-certified dermatologists defining the reference standard for every case. ISIC allows for differential diagnosis, a ranked list of eight diagnoses, that is used to plan treatments in the common setting of diagnostic ambiguity. We give an overall description of the outcome of the Skincare project, and we focus on the steps to support communication and coordination between humans and machine in IML. This is an integral part of the development of future cognitive assistants in the medical domain, and we describe the necessary intelligent user interfaces.
Abstract（参考訳）: 皮膚科医の不足は、皮膚科医を求める患者に長い待ち時間をもたらす。さらに、一般開業医の診断精度は、人工知能ソフトウェアの診断精度よりも低いと報告されている。この記事では、Skincareプロジェクト(H2020, EIT Digital)について説明する。コントリビューションには、インタラクティブ機械学習(IML)に基づく臨床意思決定支援技術、デジタルヨーロッパ医療インフラ(cf. EIT MCPS)への参照アーキテクチャ、デジタル化された患者情報を集約する技術コンポーネント、臨床テストベッド環境への意思決定支援技術の統合などが含まれる。しかし,本研究の主な貢献は皮膚科における診断・意思決定支援システム,悪性皮膚病変の鑑別診断のための対話型深層学習システムである。本稿では,人間の入力から機械学習を容易にするために,その機能とユーザインターフェースについて述べる。皮膚科画像データベース(isic, dermatology image data base)から20000件程度の開発と検証を行う非特定ケースを用いて,最新の結果と一般実践者や皮膚科医を増強する可能性を提供するベースラインディープラーニングシステムを開発し,検証を行った。 ISICは、診断の曖昧さの一般的な設定で治療計画に使用される8つの診断のランクリストである差分診断を可能にする。我々は,スキンケアプロジェクトの結果について全体像を示し,imlにおける人間と機械のコミュニケーションと協調を支援するステップに焦点を当てた。これは医療領域における将来の認知アシスタントの開発において不可欠な部分であり、必要なインテリジェントユーザインタフェースについて述べる。

関連論文リスト

Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
論文参考訳（メタデータ） (2024-10-31T19:48:50Z)
A Survey of Models for Cognitive Diagnosis: New Developments and Future Directions [66.40362209055023]
本研究の目的は,認知診断の現在のモデルについて,機械学習を用いた新たな展開に注目した調査を行うことである。モデル構造,パラメータ推定アルゴリズム,モデル評価方法,適用例を比較して,認知診断モデルの最近の傾向を概観する。
論文参考訳（メタデータ） (2024-07-07T18:02:00Z)
SkinGEN: an Explainable Dermatology Diagnosis-to-Generation Framework with Interactive Vision-Language Models [52.90397538472582]
SkinGENは、VLMが提供する診断結果から参照デモを生成する、診断から生成までのフレームワークである。システム性能と説明可能性の両方を評価するために,32人の参加者によるユーザスタディを実施している。その結果、SkinGENはVLM予測に対するユーザの理解を著しく改善し、診断プロセスへの信頼を高めることが示されている。
論文参考訳（メタデータ） (2024-04-23T05:36:33Z)
Conversational Disease Diagnosis via External Planner-Controlled Large Language Models [18.93345199841588]
本研究は,医師のエミュレートによる計画能力の向上を目的としたLCMに基づく診断システムを提案する。実際の患者電子カルテデータを利用して,仮想患者と医師とのシミュレーション対話を構築した。
論文参考訳（メタデータ） (2024-04-04T06:16:35Z)
Dermacen Analytica: A Novel Methodology Integrating Multi-Modal Large Language Models with Machine Learning in tele-dermatology [1.999925939110439]
我々は,皮膚病変やその他の皮膚疾患の診断プロセスを支援するために,人工知能を活用したシステムと手法を記述し,実装し,評価する。提案手法は次世代の遠隔皮膚科アプリケーションの開発に有用であることが期待される。
論文参考訳（メタデータ） (2024-03-21T09:02:17Z)
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)
Recent advancement in Disease Diagnostic using machine learning: Systematic survey of decades, comparisons, and challenges [0.0]
バイオメディカル領域におけるパターン認識と機械学習は、疾患の検出と診断の精度を高めることを約束する。本稿では,肝炎,糖尿病,肝疾患,デング熱,心臓病などの疾患を検出するための機械学習アルゴリズムについて検討する。
論文参考訳（メタデータ） (2023-07-31T16:35:35Z)
AutoPrognosis 2.0: Democratizing Diagnostic and Prognostic Modeling in Healthcare with Automated Machine Learning [72.2614468437919]
本稿では,診断・予後モデルを開発するための機械学習フレームワークAutoPrognosis 2.0を提案する。我々は,英国バイオバンクを用いた糖尿病の予後リスクスコアを構築するための図解的アプリケーションを提供する。我々のリスクスコアはWebベースの意思決定支援ツールとして実装されており、世界中の患者や臨床医がアクセスできる。
論文参考訳（メタデータ） (2022-10-21T16:31:46Z)
BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文参考訳（メタデータ） (2021-10-05T19:14:46Z)
Machine Learning and Deep Learning Methods for Building Intelligent Systems in Medicine and Drug Discovery: A Comprehensive Survey [0.0]
Artificail Intelligenceベースのフレームワークは、医療業界に急速に革命をもたらしている。これらのインテリジェントシステムは、機械学習とディープラーニングに基づく、疾患の早期診断のための堅牢なモデルで構築されている。本稿では,16の専門分野にわたる機械学習と深層学習の応用に関する調査に焦点をあてる。
論文参考訳（メタデータ） (2021-07-19T14:26:03Z)
Deep Learning Based Decision Support for Medicine -- A Case Study on Skin Cancer Diagnosis [6.820831423843006]
皮膚がん検診におけるDeep Learning-based Decision Support Systemの臨床応用は、患者のケアの質を向上させる可能性がある。本稿では,臨床像,皮膚内視鏡像,病理像から皮膚癌の診断例を例に,医療応用における説明可能なDLベースの意思決定支援に向けた取り組みの概要について述べる。
論文参考訳（メタデータ） (2021-03-02T11:07:49Z)

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。