論文の概要: Skin disease diagnosis with deep learning: a review

• arxiv url: http://arxiv.org/abs/2011.05627v2
• Date: Sun, 6 Dec 2020 14:16:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-26 23:49:41.620015
• Title: Skin disease diagnosis with deep learning: a review
• Title（参考訳）: 深層学習による皮膚疾患診断
• Authors: Hongfeng Li, Yini Pan, Jie Zhao and Li Zhang
• Abstract要約: 本稿では,深層学習法とその皮膚疾患診断への応用について概説する。 ディープラーニングの概念を導入し、人気のあるディープラーニングアーキテクチャをレビューする。 本稿では,皮膚疾患診断における深層学習手法に関する文献を概説する。
• 参考スコア（独自算出の注目度）: 10.133906634935647
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Skin cancer is one of the most threatening diseases worldwide. However, diagnosing skin cancer correctly is challenging. Recently, deep learning algorithms have emerged to achieve excellent performance on various tasks. Particularly, they have been applied to the skin disease diagnosis tasks. In this paper, we present a review on deep learning methods and their applications in skin disease diagnosis. We first present a brief introduction to skin diseases and image acquisition methods in dermatology, and list several publicly available skin datasets for training and testing algorithms. Then, we introduce the conception of deep learning and review popular deep learning architectures. Thereafter, popular deep learning frameworks facilitating the implementation of deep learning algorithms and performance evaluation metrics are presented. As an important part of this article, we then review the literature involving deep learning methods for skin disease diagnosis from several aspects according to the specific tasks. Additionally, we discuss the challenges faced in the area and suggest possible future research directions. The major purpose of this article is to provide a conceptual and systematically review of the recent works on skin disease diagnosis with deep learning. Given the popularity of deep learning, there remains great challenges in the area, as well as opportunities that we can explore in the future.
• Abstract（参考訳）: 皮膚がんは世界中で最も恐ろしい病気の1つです。 しかし,皮膚癌を正しく診断することは困難である。 近年,様々なタスクで優れた性能を実現するために,ディープラーニングアルゴリズムが登場している。 特に皮膚疾患の診断に応用されている。 本稿では,深層学習法とその皮膚疾患診断への応用について概説する。 まず皮膚科領域における皮膚疾患と画像取得法を簡単に紹介し,トレーニングおよびテストアルゴリズムとして利用可能なスキンデータセットをいくつか紹介する。 次に、ディープラーニングの概念を紹介し、一般的なディープラーニングアーキテクチャをレビューする。 その後、ディープラーニングアルゴリズムと性能評価指標の実装を容易にする人気のあるディープラーニングフレームワークを紹介した。 そこで本研究では,皮膚疾患診断のための深層学習法に関する文献を,特定の課題に応じていくつかの側面から検討する。 また,この分野で直面する課題を議論し,今後の研究の方向性を示唆する。 本論の主な目的は,深層学習による皮膚疾患診断に関する最近の研究を概念的かつ体系的にレビューすることである。 ディープラーニングの人気を考えれば、この分野には大きな課題が残っており、将来探求できる機会も残っています。

関連論文リスト

• A systematic review: Deep learning-based methods for pneumonia region detection [0.0]
  肺炎は世界中の子供や成人の主要な死因の1つである。 診断プロセスの効率と精度を向上させるため, コンピュータ支援型肺炎検出法が開発されている。 本報告では, 肺炎領域の検出において, 従来主流であった深層学習アプローチを探索し, 検討した。
  論文  参考訳（メタデータ） (2024-08-23T18:00:22Z)
• Knowledge-enhanced Visual-Language Pretraining for Computational Pathology [68.6831438330526]
  本稿では,公共資源から収集した大規模画像テキストペアを利用した視覚的表現学習の課題について考察する。 ヒト32組織から病理診断を必要とする4,718の疾患に対して50,470個の情報属性からなる病理知識ツリーをキュレートする。
  論文  参考訳（メタデータ） (2024-04-15T17:11:25Z)
• 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)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• Deep learning methods for drug response prediction in cancer: predominant and emerging trends [50.281853616905416]
  がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。 最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。 このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
  論文  参考訳（メタデータ） (2022-11-18T03:26:31Z)
• Continual Learning with Bayesian Model based on a Fixed Pre-trained Feature Extractor [55.9023096444383]
  現在のディープラーニングモデルは、新しいクラスを学ぶ際に古い知識を破滅的に忘れることによって特徴づけられる。 人間の脳における新しい知識の学習プロセスに着想を得て,連続学習のためのベイズ生成モデルを提案する。
  論文  参考訳（メタデータ） (2022-04-28T08:41:51Z)
• SSD-KD: A Self-supervised Diverse Knowledge Distillation Method for Lightweight Skin Lesion Classification Using Dermoscopic Images [62.60956024215873]
  皮膚がんは最も一般的な悪性腫瘍の1つであり、人口に影響を与え、世界中で経済的な重荷を負っている。 皮膚がん検出のほとんどの研究は、ポータブルデバイス上での計算資源の制限を考慮せずに、高い予測精度を追求している。 本研究は,皮膚疾患分類のための汎用的なKDフレームワークに多様な知識を統一する,SSD-KDと呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-03-22T06:54:29Z)
• Recent advances and clinical applications of deep learning in medical image analysis [7.132678647070632]
  我々は最近200以上の論文をレビュー・要約し、様々な医用画像解析タスクにおける深層学習手法の適用の概要を概観した。 特に,医用画像における最先端の非教師あり半教師あり深層学習の進歩と貢献を強調した。
  論文  参考訳（メタデータ） (2021-05-27T18:05:12Z)
• Explainable deep learning models in medical image analysis [0.0]
  様々な医学的診断に非常に効果的で、その一部で人間の専門家を圧倒している。 最近の説明可能性研究は、モデルの決定に最も影響を及ぼす特徴を示すことを目的としている。 ここでは、様々な医療画像タスクに対する説明可能な深層学習の現在の応用について概説する。
  論文  参考訳（メタデータ） (2020-05-28T06:31:05Z)
• A Survey on Incorporating Domain Knowledge into Deep Learning for Medical Image Analysis [38.90186125141749]
  医療データセットの小型化は、ディープラーニングにおいて依然として大きなボトルネックとなっている。 従来のアプローチでは、移動学習を通じて自然画像からの情報を活用していた。 近年の研究では、医師の知識を活用して、医師の訓練方法に似たネットワークを構築している。
  論文  参考訳（メタデータ） (2020-04-25T14:27:47Z)
• Deep neural network models for computational histopathology: A survey [1.2891210250935146]
  深層学習は がん組織像の分析と解釈において 主流の方法論選択となりました 本稿では,現在使われている最先端の深層学習手法について概説する。 私たちは、現在のディープラーニングアプローチにおける重要な課題と制限と、将来の研究への道のりを強調します。
  論文  参考訳（メタデータ） (2019-12-28T01:04:25Z)

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。