論文の概要: Dermatologist vs Neural Network

• arxiv url: http://arxiv.org/abs/2006.08254v1
• Date: Mon, 15 Jun 2020 09:44:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-21 04:37:21.483083
• Title: Dermatologist vs Neural Network
• Title（参考訳）: 皮膚科医対ニューラルネットワーク
• Authors: Kaushil Mangaroliya and Mitt Shah
• Abstract要約: 1年間に123,000件の悪性黒色腫が検出されている。 ディープラーニングは、素晴らしい結果をもたらす方法のひとつです。 7種類の皮膚疾患に属する10015枚の画像を提供するHAM10000データセットでモデルをトレーニングした。 提案したモデルでは89%の精度が得られた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cancer, in general, is very deadly. Timely treatment of any cancer is the key to saving a life. Skin cancer is no exception. There have been thousands of Skin Cancer cases registered per year all over the world. There have been 123,000 deadly melanoma cases detected in a single year. This huge number is proven to be a cause of a high amount of UV rays present in the sunlight due to the degradation of the Ozone layer. If not detected at an early stage, skin cancer can lead to the death of the patient. Unavailability of proper resources such as expert dermatologists, state of the art testing facilities, and quick biopsy results have led researchers to develop a technology that can solve the above problem. Deep Learning is one such method that has offered extraordinary results. The Convolutional Neural Network proposed in this study out performs every pretrained models. We trained our model on the HAM10000 dataset which offers 10015 images belonging to 7 classes of skin disease. The model we proposed gave an accuracy of 89%. This model can predict deadly melanoma skin cancer with a great accuracy. Hopefully, this study can help save people's life where there is the unavailability of proper dermatological resources by bridging the gap using our proposed study.
• Abstract（参考訳）: 一般的に癌は非常に致命的です。 がんのタイムリーな治療は、命を救うための鍵です。 皮膚がんは例外ではない。 世界中で毎年何千もの皮膚がん患者が登録されている。 1年間に123,000件の悪性黒色腫が検出されている。 この膨大な数は、オゾン層の劣化により、日光中に大量の紫外線が発生する原因であることが証明されている。 早期に発見されなければ、皮膚がんは患者の死亡につながる可能性がある。 専門の皮膚科医、最先端の検査施設、迅速な生検結果などの適切な資源が利用できなくなると、研究者は上記の問題を解決する技術を開発するようになった。 ディープラーニングは、素晴らしい結果をもたらす方法の1つです。 本研究で提案する畳み込みニューラルネットワークは,すべての事前学習モデルを実行する。 7種類の皮膚疾患に属する10015の画像を提供するHAM10000データセットでモデルをトレーニングした。 提案したモデルは89%の精度を示した。 このモデルでは致死性メラノーマ皮膚癌を高い精度で予測することができる。 本研究は,本研究によるギャップを埋めることによって,適切な皮膚科学資源が利用できない人々の生活を救えることを期待する。

関連論文リスト

• Cancer-Net SCa-Synth: An Open Access Synthetically Generated 2D Skin Lesion Dataset for Skin Cancer Classification [65.83291923029985]
  アメリカ合衆国では、皮膚がんが最も一般的に診断されるがんと位置づけられており、公衆衛生上の問題となっている。 データセットのキュレーションとディープラーニングの進歩により、皮膚がんの迅速かつ正確な検出が期待できる。 Cancer-Net SCa- Synthは、皮膚がん分類のためのオープンアクセス合成された2D皮膚病変データセットである。
  論文  参考訳（メタデータ） (2024-11-08T02:04:21Z)
• Cancer Cell Classification using Deep Learning [0.0]
  悪性腫瘍には良性腫瘍と悪性腫瘍の2種類がある。 今日のオンライン環境で生産されるデータのほとんどは、医療やソーシャルメディアに関連するウェブサイトから来ている。 本研究は, 細菌細胞を種々の深層学習アルゴリズムを用いて良性又は癌性に分類する。
  論文  参考訳（メタデータ） (2024-10-21T21:21:16Z)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
  カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。 拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。 本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
  論文  参考訳（メタデータ） (2023-11-30T15:11:03Z)
• Double-Condensing Attention Condenser: Leveraging Attention in Deep Learning to Detect Skin Cancer from Skin Lesion Images [61.36288157482697]
  皮膚がんはアメリカ合衆国で最も一般的な種類のがんであり、5人に1人のアメリカ人に影響を与えると推定されている。 近年の進歩は,SIIM-ISICメラノーマ分類チャレンジのアートパフォーマンスの状況から,皮膚がん検出に強い効果を示している。 本稿では,皮膚病変画像の皮膚癌検出に効率的な自己注意構造を活用し,皮膚病変画像からの皮膚癌検出をカスタマイズしたDC-ACを用いたディープニューラルネットワーク設計を提案する。
  論文  参考訳（メタデータ） (2023-11-20T10:45:39Z)
• Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
  乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。 金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。 本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
  論文  参考訳（メタデータ） (2023-04-12T15:08:34Z)
• A Comprehensive Evaluation Study on Risk Level Classification of Melanoma by Computer Vision on ISIC 2016-2020 Datasets [0.0]
  メラノーマは皮膚がんの75%の死因である。 メラノーマの検出は何百万人もの人に良い影響を与える可能性がある。 ISICアーカイブは皮膚病変の皮膚内視鏡像の収集で最大である。
  論文  参考訳（メタデータ） (2023-02-19T09:58:58Z)
• A Smartphone based Application for Skin Cancer Classification Using Deep Learning with Clinical Images and Lesion Information [1.8199326045904993]
  ディープニューラルネットワーク(DNN)は皮膚がんの検出に有効である。 本研究では,スマートフォンを用いた皮膚がん検出支援アプリケーションを提案する。
  論文  参考訳（メタデータ） (2021-04-28T16:51:00Z)
• CancerNet-SCa: Tailored Deep Neural Network Designs for Detection of Skin Cancer from Dermoscopy Images [71.68436132514542]
  皮膚がんはアメリカ合衆国で最も頻繁に診断されるがんである。 本研究では,皮膚内視鏡画像から皮膚がんを検出するための深層神経回路の設計手法である CancerNet-SCa について紹介する。
  論文  参考訳（メタデータ） (2020-11-21T02:17:59Z)
• Transfer learning with class-weighted and focal loss function for automatic skin cancer classification [0.0]
  皮膚病変を7つのクラスのうちの1つに分類できる深層学習システムを開発した。 我々のResNet50モデルのアンサンブルは、皮膚病変をトップ1、トップ2、トップ3の精度93%、97%、99%の7つのクラスのうちの1つに分類することができる。
  論文  参考訳（メタデータ） (2020-09-13T10:59:51Z)
• Method to Classify Skin Lesions using Dermoscopic images [0.0]
  皮膚がんは、がん患者の3分の1を構成する既存の世界でもっとも一般的ながんである。 そこで本研究では,CNN(Convolution Neural Networks)をトレーニングモデルとして,皮膚画像を用いた皮膚病変の自動分類モデルを開発した。 このモデルが達成できる最良の精度は0.886である。
  論文  参考訳（メタデータ） (2020-08-21T10:58:33Z)

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。