論文の概要: A Patient-Centric Dataset of Images and Metadata for Identifying Melanomas Using Clinical Context

• arxiv url: http://arxiv.org/abs/2008.07360v1
• Date: Fri, 7 Aug 2020 20:22:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 02:06:33.329510
• Title: A Patient-Centric Dataset of Images and Metadata for Identifying Melanomas Using Clinical Context
• Title（参考訳）: 臨床状況を用いたメラノーマ同定のための患者中心の画像データセットとメタデータ
• Authors: Veronica Rotemberg, Nicholas Kurtansky, Brigid Betz-Stablein, Liam Caffery, Emmanouil Chousakos, Noel Codella, Marc Combalia, Stephen Dusza, Pascale Guitera, David Gutman, Allan Halpern, Harald Kittler, Kivanc Kose, Steve Langer, Konstantinos Lioprys, Josep Malvehy, Shenara Musthaq, Jabpani Nanda, Ofer Reiter, George Shih, Alexander Stratigos, Philipp Tschandl, Jochen Weber, and H. Peter Soyer
• Abstract要約: 2020 SIIM-ISIC メラノーマ分類データセットは、以前の課題と臨床実践の相違に対処するために構築された。 このデータセットは、3大陸の患者2,056人で、患者1人あたり平均16の病変がある。
• 参考スコア（独自算出の注目度）: 39.10946113351587
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prior skin image datasets have not addressed patient-level information obtained from multiple skin lesions from the same patient. Though artificial intelligence classification algorithms have achieved expert-level performance in controlled studies examining single images, in practice dermatologists base their judgment holistically from multiple lesions on the same patient. The 2020 SIIM-ISIC Melanoma Classification challenge dataset described herein was constructed to address this discrepancy between prior challenges and clinical practice, providing for each image in the dataset an identifier allowing lesions from the same patient to be mapped to one another. This patient-level contextual information is frequently used by clinicians to diagnose melanoma and is especially useful in ruling out false positives in patients with many atypical nevi. The dataset represents 2,056 patients from three continents with an average of 16 lesions per patient, consisting of 33,126 dermoscopic images and 584 histopathologically confirmed melanomas compared with benign melanoma mimickers.
• Abstract（参考訳）: 以前の皮膚画像データセットは、同一患者の複数の皮膚病変から得られた患者レベル情報には対応していない。 人工知能の分類アルゴリズムは、単一の画像を調べる制御研究において、エキスパートレベルの性能を達成したが、実際、皮膚科医は、同じ患者の複数の病変から、その判断を段階的に根拠としている。 2020 SIIM-ISIC メラノーマ分類データセットは、以前の課題と臨床実践のこの相違に対処するために構築され、データセット内の各画像に同一患者の病変を互いにマッピングできる識別子を提供する。 この患者レベルのコンテクスト情報は臨床医によってメラノーマの診断に頻繁に用いられ、非定型ネビの患者において特に偽陽性を除外するのに有用である。 このデータセットは, 平均16病変の3大陸2,056例を対象とし, 良性黒色腫に対して33,126例, 病理組織学的に確認された黒色腫584例からなる。

関連論文リスト

• FairSkin: Fair Diffusion for Skin Disease Image Generation [54.29840149709033]
  拡散モデル (DM) は, 合成医用画像の生成において主要な手法となっているが, 臨界二倍偏差に悩まされている。 このようなバイアスを3段階のリサンプリング機構によって緩和する新しいDMフレームワークであるFairSkinを提案する。 本手法は, 画像の多様性と品質を著しく向上させ, 臨床環境における皮膚疾患の検出精度の向上に寄与する。
  論文  参考訳（メタデータ） (2024-10-29T21:37:03Z)
• A General-Purpose Multimodal Foundation Model for Dermatology [14.114262475562846]
  PanDermは、皮膚疾患の200万以上の現実世界の画像のデータセット上で、自己教師付き学習を通じて事前訓練されたマルチモーダル皮膚科学の基礎モデルである。 PanDermは評価されたすべてのタスクで最先端のパフォーマンスを達成した。 PanDermは皮膚疾患の管理を強化し、他の医療分野におけるマルチモーダルファンデーションモデルの開発モデルとして機能する。
  論文  参考訳（メタデータ） (2024-10-19T08:48:01Z)
• A Labeled Ophthalmic Ultrasound Dataset with Medical Report Generation Based on Cross-modal Deep Learning [8.733721267033705]
  本報告では,医療画像の正確な分析と自動探索のためのラベル付き眼科データセットと関連する報告について述べる。 中国・新陽市にある眼科病院で2,417人の患者から、超音波画像、血流情報、検査報告を含む3つのモーダルデータを収集している。
  論文  参考訳（メタデータ） (2024-07-26T11:03:18Z)
• DDI-CoCo: A Dataset For Understanding The Effect Of Color Contrast In Machine-Assisted Skin Disease Detection [51.92255321684027]
  皮膚のトーンと色差効果の相互作用について検討し,色差が皮膚のトーン間のモデル性能バイアスの新たな原因となる可能性が示唆された。 我々の研究は皮膚疾患の検出を改善するために皮膚科のAIに補完的な角度を提供する。
  論文  参考訳（メタデータ） (2024-01-24T07:45:24Z)
• The EMory BrEast imaging Dataset (EMBED): A Racially Diverse, Granular Dataset of 3.5M Screening and Diagnostic Mammograms [2.243792799100692]
  EMory BrEast画像データセットには3650,000の2Dと診断用マンモグラフィーが含まれており、白人とアフリカ系アメリカ人の患者に等しく分けられている。 私たちの目標は、このデータセットを研究パートナーと共有し、すべての患者に公平に提供し、医療AIのバイアスを減らすための乳房AIモデルの開発と検証を支援することです。
  論文  参考訳（メタデータ） (2022-02-08T14:40:59Z)
• 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)
• 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)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)
• Melanoma Diagnosis with Spatio-Temporal Feature Learning on Sequential Dermoscopic Images [40.743870665742975]
  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。
  論文  参考訳（メタデータ） (2020-06-19T04:08:22Z)
• Co-Heterogeneous and Adaptive Segmentation from Multi-Source and Multi-Phase CT Imaging Data: A Study on Pathological Liver and Lesion Segmentation [48.504790189796836]
  我々は,新しいセグメンテーション戦略,コヘテロジネティック・アダプティブセグメンテーション(CHASe)を提案する。 本稿では,外見に基づく半スーパービジョン,マスクに基づく対向ドメイン適応,擬似ラベルを融合した多目的フレームワークを提案する。 CHASeは4.2% sim 9.4%$の範囲で、病理的な肝臓マスクDice-Sorensen係数をさらに改善することができる。
  論文  参考訳（メタデータ） (2020-05-27T06:58:39Z)

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。