論文の概要: Melanoma Diagnosis with Spatio-Temporal Feature Learning on Sequential Dermoscopic Images

• arxiv url: http://arxiv.org/abs/2006.10950v1
• Date: Fri, 19 Jun 2020 04:08:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-19 04:51:22.516100
• Title: Melanoma Diagnosis with Spatio-Temporal Feature Learning on Sequential Dermoscopic Images
• Title（参考訳）: 連続皮膚内視鏡画像を用いた時空間特徴学習による黒色腫の診断
• Authors: Zhen Yu, Jennifer Nguyen, Xiaojun Chang, John Kelly, Catriona Mclean, Lei Zhang, Victoria Mar, Zongyuan Ge
• Abstract要約: 悪性黒色腫自動診断のための既存の皮膚科医は、病変の単一点像に基づいている。 そこで本研究では,連続した皮膚内視鏡像を用いたメラノーマ診断のための自動フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 40.743870665742975
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing studies for automated melanoma diagnosis are based on single-time point images of lesions. However, melanocytic lesions de facto are progressively evolving and, moreover, benign lesions can progress into malignant melanoma. Ignoring cross-time morphological changes of lesions thus may lead to misdiagnosis in borderline cases. Based on the fact that dermatologists diagnose ambiguous skin lesions by evaluating the dermoscopic changes over time via follow-up examination, in this study, we propose an automated framework for melanoma diagnosis using sequential dermoscopic images. To capture the spatio-temporal characterization of dermoscopic evolution, we construct our model in a two-stream network architecture which capable of simultaneously learning appearance representations of individual lesions while performing temporal reasoning on both raw pixels difference and abstract features difference. We collect 184 cases of serial dermoscopic image data, which consists of histologically confirmed 92 benign lesions and 92 melanoma lesions, to evaluate the effectiveness of the proposed method. Our model achieved AUC of 74.34%, which is ~8% higher than that of only using single images and ~6% higher than the widely used sequence learning model based on LSTM.
• Abstract（参考訳）: 悪性黒色腫の診断のための既存の研究は、病変の単一点画像に基づいている。 しかし、事実上のメラノサイトーシス病変は徐々に進化しており、さらに良性病変は悪性黒色腫へと進行する。 病変の経時的変化を無視すると,境界症例の誤診につながる可能性がある。 本研究は, 皮膚科医が経時的皮膚内視鏡的変化を経過観察し, 皮膚病変の診断に有用であったことを踏まえ, 連続的な皮膚内視鏡画像を用いたメラノーマ診断のための自動枠組みを提案する。 本研究では,2ストリームネットワークアーキテクチャを用いて,原画素差と抽象的特徴差の時間的推論を行いながら,個々の病変の外観表現を同時に学習できるモデルを構築した。 組織学的に確認された良性病変92例と黒色腫病変92例からなる連続皮膚内視鏡画像データ184例を収集し,本法の有効性について検討した。 我々のモデルは74.34%のAUCを達成し、これは単一画像のみを用いたものよりも約8%高く、LSTMに基づく広く使われているシーケンス学習モデルよりも約6%高い。

関連論文リスト

• Region of Interest Detection in Melanocytic Skin Tumor Whole Slide Images -- Nevus & Melanoma [4.265489979736396]
  我々は, スライドレベル, ネビ, メラノーマの分類を可能にする, 社内深層学習法を開発した。 スライド分類作業の精度は92.3%であり,病理学者による関心領域の予測も良好であった。
  論文  参考訳（メタデータ） (2024-05-16T07:00:44Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• Using Whole Slide Image Representations from Self-Supervised Contrastive Learning for Melanoma Concordance Regression [2.21878843241715]
  悪性黒色腫と良性黒色腫病変を鑑別する際,病理医の間では高い一致率で診断が複雑になる。 デジタル化された全スライド画像(WSIs)から侵入性メラノーマまたはメラノーマの一致率を予測するメラノーマ一致回帰深層学習モデルを提案する。 我々は,4つの病理検査室から得られた10,895検体からランダムに採取した83,356個のWSIタイルを用いたSimCLR特徴抽出器を訓練した。 テストセットで0.28 +/-0.01のルート平均正方形誤差(RMSE)と0.85 +/-0.05と0.61 +/-0.06の精度とリコールを実現した。
  論文  参考訳（メタデータ） (2022-10-10T16:07:41Z)
• Multiple EffNet/ResNet Architectures for Melanoma Classification [3.047409448159345]
  メラノーマは最も悪性の皮膚腫瘍であり、通常は正常なモルから発生する。 EffNetとResnetに基づくメラノーマ分類モデルを提案する。 当モデルでは, 同一患者の画像だけでなく, 患者レベルの文脈情報も活用し, がんの予測精度の向上を図る。
  論文  参考訳（メタデータ） (2022-04-21T14:46:55Z)
• Breast Cancer Induced Bone Osteolysis Prediction Using Temporal Variational Auto-Encoders [65.95959936242993]
  骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。 乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
  論文  参考訳（メタデータ） (2022-03-20T21:00:10Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Early Melanoma Diagnosis with Sequential Dermoscopic Images [10.487636624052564]
  悪性黒色腫早期診断のための既存のアルゴリズムは、病変の単一のタイムポイント画像を用いて開発されている。 そこで本研究では,皮膚内視鏡画像を用いた早期メラノーマ診断のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-12T13:05:41Z)
• An Attention-based Weakly Supervised framework for Spitzoid Melanocytic Lesion Diagnosis in WSI [1.0948946179065253]
  メラノーマは皮膚がんによる死の大半の原因となる攻撃的な腫瘍である。 診断と予後のための金の基準は、皮膚生検の分析である。 改良型畳み込みニューラルネットワーク(CNN)を用いた誘導伝達学習に基づく,エンドツーエンドの弱い教師付き深層学習モデルを提案する。 本フレームワークは、腫瘍パッチレベルパターンの発見を担当するソースモデルと、生検の特定診断に焦点を当てたターゲットモデルとから構成される。
  論文  参考訳（メタデータ） (2021-04-20T10:18:57Z)
• Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
  臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。 まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
  論文  参考訳（メタデータ） (2021-04-02T20:52:05Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)

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。