Fugu-MT 論文翻訳(概要): Deep Learning Methods for Real-time Detection and Analysis of Wagner Ulcer Classification System

論文の概要: Deep Learning Methods for Real-time Detection and Analysis of Wagner Ulcer Classification System

arxiv url: http://arxiv.org/abs/2006.02322v3
Date: Tue, 2 May 2023 02:54:40 GMT
ステータス: 処理完了
システム内更新日: 2023-05-03 18:49:44.306070
Title: Deep Learning Methods for Real-time Detection and Analysis of Wagner Ulcer Classification System
Title（参考訳）: ワグナー潰瘍分類システムのリアルタイム検出と解析のための深層学習法
Authors: Aifu Han, Yongze Zhang, Ajuan Li, Changjin Li, Fengying Zhao, Qiujie Dong, Qin Liu, Yanting Liu, Ximei Shen, Sunjie Yan and Shengzong Zhou
Abstract要約: 糖尿病患者の作業負荷の一部を軽減するために,糖尿病足(DF)の診断を支援する医療システムを開発する必要がある。本稿では,糖尿病性足のワグナー潰瘍をリアルタイムで分類・特定するシステムを開発した。
参考スコア（独自算出の注目度）: 1.227953340347939
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: At present, the ubiquity method to diagnose the severity of diabetic feet (DF) depends on professional podiatrists. However, in most cases, professional podiatrists have a heavy workload, especially in underdeveloped and developing countries and regions, and there are often insufficient podiatrists to meet the rapidly growing treatment needs of DF patients. It is necessary to develop a medical system that assists in diagnosing DF in order to reduce part of the workload for podiatrists and to provide timely relevant information to patients with DF. In this paper, we have developed a system that can classify and locate Wagner ulcers of diabetic foot in real-time. First, we proposed a dataset of 2688 diabetic feet with annotations. Then, in order to enable the system to detect diabetic foot ulcers in real time and accurately, this paper is based on the YOLOv3 algorithm coupled with image fusion, label smoothing, and variant learning rate mode technologies to improve the robustness and predictive accuracy of the original algorithm. Finally, the refinements on YOLOv3 was used as the optimal algorithm in this paper to deploy into Android smartphone to predict the classes and localization of the diabetic foot with real-time. The experimental results validate that the improved YOLOv3 algorithm achieves a mAP of 91.95%, and meets the needs of real-time detection and analysis of diabetic foot Wagner Ulcer on mobile devices, such as smart phones. This work has the potential to lead to a paradigm shift for clinical treatment of the DF in the future, to provide an effective healthcare solution for DF tissue analysis and healing status.
Abstract（参考訳）: 糖尿病性足の重症度を診断するためのユビキタス法(英語版)(ユビキタス法)はプロのポディアトリストに依存する。しかし、ほとんどの場合、プロのポジトリストは、特に発展途上国や地域において重労働を負っており、DF患者が急速に増加する治療のニーズを満たすには不十分なポジトリストが存在する。血液透析患者の作業負荷の一部を軽減し,DF患者にタイムリーな情報を提供するために,DFの診断を支援する医療システムを開発する必要がある。本稿では,糖尿病性足のワグナー潰瘍をリアルタイムで分類・特定するシステムを開発した。まず,アノテーション付き糖尿病足2688例のデータセットを提案する。そこで本研究では,糖尿病性足の潰瘍をリアルタイムかつ正確に検出するために,画像融合,ラベル平滑化,変種学習率モード技術と組み合わせたYOLOv3アルゴリズムを用いて,元のアルゴリズムの堅牢性と予測精度を向上させる。最後に, YOLOv3の改良をAndroidスマートフォンに展開し, 糖尿病足のクラスと位置をリアルタイムで予測するアルゴリズムとして用いた。実験の結果,改良されたYOLOv3アルゴリズムは91.95%のmAPを実現し,スマートフォンなどのモバイルデバイス上での糖尿病性フットワグナー潰瘍のリアルタイム検出と解析の必要性を満たすことがわかった。本研究は, 今後DFの臨床治療のパラダイムシフトにつながる可能性があり, DF組織解析と治癒状態に対する効果的な医療ソリューションを提供する。

関連論文リスト

DiabetesNet: A Deep Learning Approach to Diabetes Diagnosis [6.095029229301643]
3つのデータセットの実験結果は、従来の手法と比較して、全体的な精度、感度、特異性を大幅に改善したことを示している。このことは、堅牢な糖尿病診断のためのディープラーニングモデルの可能性を示している。
論文参考訳（メタデータ） (2024-03-12T10:18:59Z)
Diabetes detection using deep learning techniques with oversampling and feature augmentation [0.3749861135832073]
糖尿病は慢性の病理であり、ここ数年でますます多くの人に影響を与えている。毎年多数の死者が出ている。この病気を患っている多くの人々は、健康状態の深刻さを十分に理解していない。
論文参考訳（メタデータ） (2024-02-03T15:30:20Z)
DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。 The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
論文参考訳（メタデータ） (2023-12-02T22:57:25Z)
Explainable AI in Diagnosing and Anticipating Leukemia Using Transfer Learning Method [0.0]
本研究は,小児および10代に流行する急性リンパ芽球性白血病(ALL)に焦点をあてる。ディープラーニング技術を活用したコンピュータ支援診断(CAD)モデルを用いた自動検出手法を提案する。提案手法は98.38%の精度を達成し、他の試験モデルよりも優れていた。
論文参考訳（メタデータ） (2023-12-01T10:37:02Z)
Diabetic foot ulcers monitoring by employing super resolution and noise reduction deep learning techniques [10.837348673297083]
本研究は,糖尿病性足部潰瘍の診断・モニタリングを支援するイメージ・ツー・イメージ翻訳技術 (ITITT) の2つのカテゴリについて検討する。前者では、畳み込みニューラルネットワークスタックドオートエンコーダ(CNN-SAE)のノイズ除去能力について検討した。後者のシナリオでは、4つのディープラーニング超解像モデルがデプロイされる。
論文参考訳（メタデータ） (2022-09-20T17:35:49Z)
Explainable predictions of different machine learning algorithms used to predict Early Stage diabetes [0.0]
糖尿病はいくつかの機械学習アルゴリズムで容易に診断できる。本稿では、ランダムフォレスト、決定木、人工ニューラルネットワーク、K Nearest Neighbor、Support Vector Machine、XGBoostといった機械学習アルゴリズムの比較分析を行った。実験結果によると、ランダムフォレストアルゴリズムは、この特定のデータセットで99%の精度で他のアルゴリズムよりも優れています。
論文参考訳（メタデータ） (2021-11-18T20:29:03Z)
Task-wise Split Gradient Boosting Trees for Multi-center Diabetes Prediction [37.846368153741395]
マルチセンター糖尿病予測タスクにTSGB(Task-wise Split Gradient Boosting Trees)を提案する。 TSGBはいくつかの最先端手法に対して優れた性能を発揮する。 TSGB法は早期診断のためのオンライン糖尿病リスク評価ソフトウェアとして展開されている。
論文参考訳（メタデータ） (2021-08-16T14:22:44Z)
Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep Learning Techniques [111.165389441988]
本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
論文参考訳（メタデータ） (2021-05-18T11:37:57Z)
BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文参考訳（メタデータ） (2020-09-24T00:42:36Z)
A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading, and Transferability [76.64661091980531]
糖尿病患者は糖尿病網膜症(DR)を発症するリスクがあるコンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
論文参考訳（メタデータ） (2020-08-22T07:48:04Z)
Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。