論文の概要: SkiNet: A Deep Learning Solution for Skin Lesion Diagnosis with
Uncertainty Estimation and Explainability
- arxiv url: http://arxiv.org/abs/2012.15049v1
- Date: Wed, 30 Dec 2020 05:39:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-18 05:59:51.103010
- Title: SkiNet: A Deep Learning Solution for Skin Lesion Diagnosis with
Uncertainty Estimation and Explainability
- Title（参考訳）: SkiNet: 不確実性推定と説明可能性を備えた皮膚病変診断のためのディープラーニングソリューション
- Authors: Rajeev Kumar Singh, Rohan Gorantla, Sai Giridhar Allada, Narra Pratap
- Abstract要約: SkiNetは2段階のパイプラインで、病変のセグメンテーションに続いて、病変の分類を行う。
公開データセットであるISIC-2018は、実験およびアブレーション研究に使用されます。
- 参考スコア（独自算出の注目度）: 0.5735035463793008
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Skin cancer is considered to be the most common human malignancy. Around 5
million new cases of skin cancer are recorded in the United States annually.
Early identification and evaluation of skin lesions is of great clinical
significance, but the disproportionate dermatologist-patient ratio poses
significant problem in most developing nations. Therefore a deep learning based
architecture, known as SkiNet, is proposed with an objective to provide faster
screening solution and assistance to newly trained physicians in the clinical
diagnosis process. The main motive behind Skinet's design and development is to
provide a white box solution, addressing a critical problem of trust and
interpretability which is crucial for the wider adoption of Computer-aided
diagnosis systems by the medical practitioners. SkiNet is a two-stage pipeline
wherein the lesion segmentation is followed by the lesion classification. In
our SkiNet methodology, Monte Carlo dropout and test time augmentation
techniques have been employed to estimate epistemic and aleatoric uncertainty,
while saliency-based methods are explored to provide post-hoc explanations of
the deep learning models. The publicly available dataset, ISIC-2018, is used to
perform experimentation and ablation studies. The results establish the
robustness of the model on the traditional benchmarks while addressing the
black-box nature of such models to alleviate the skepticism of medical
practitioners by incorporating transparency and confidence to the model's
prediction.
- Abstract（参考訳）: 皮膚がんは最も一般的なヒト悪性腫瘍であると考えられている。
アメリカでは毎年500万件の新しい皮膚がんの症例が記録されている。
皮膚病変の早期診断と評価は臨床的に非常に重要であるが, 発展途上国では皮膚科医と患者の比率が著しく低下している。
そこで,SkiNet として知られる深層学習型アーキテクチャは,より高速なスクリーニングソリューションと,臨床診断過程において新たに訓練された医師に支援を提供することを目的としている。
スキレットの設計と開発の主な動機はホワイトボックスソリューションを提供することであり、医療従事者によるコンピュータ支援診断システムの普及に不可欠な信頼と解釈の重大な問題に対処することである。
SkiNetは2段階のパイプラインで、病変のセグメンテーションに続いて、病変の分類を行う。
提案手法では,モンテカルロ・ドロップアウト法とテスト時間拡張法を用いて認識論的不確かさを推定し,塩分に基づく手法を用いて深層学習モデルのポストホックな説明を行った。
公開データセットISIC-2018は実験およびアブレーション研究に使用される。
その結果、モデルの信頼性と透明性をモデル予測に組み込むことで、医療従事者の懐疑を緩和する一方で、従来のベンチマーク上でのモデルの堅牢性を確立した。
関連論文リスト
- 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) - Robust and Interpretable Medical Image Classifiers via Concept
Bottleneck Models [49.95603725998561]
本稿では,自然言語の概念を用いた堅牢で解釈可能な医用画像分類器を構築するための新しいパラダイムを提案する。
具体的には、まず臨床概念をGPT-4から検索し、次に視覚言語モデルを用いて潜在画像の特徴を明示的な概念に変換する。
論文 参考訳（メタデータ） (2023-10-04T21:57:09Z) - Increasing Melanoma Diagnostic Confidence: Forcing the Convolutional
Network to Learn from the Lesion [0.9143713488498512]
EfficientNetモデルによりメラノーマ認識を改善する新しい手法を提案する。
モデルは、ネットワークをトレーニングして、病変を検出し、検出された病変から特徴を学習する。
実験の結果,提案手法は受信機動作特性曲線の平均値(平均AUC)を0.9から0.922に高めることにより,診断精度を向上させた。
論文 参考訳（メタデータ） (2023-05-16T15:34:12Z) - Deep Learning based Novel Cascaded Approach for Skin Lesion Analysis [7.371818587876888]
本研究は,2段階の皮膚病変セグメンテーションの枠組みに焦点をあて,その後に病変解析の分類を行う。
皮膚病変分類のためのエンコーダデコーダアーキテクチャとCNNに基づく分類ネットワークを設計し,深層畳み込みニューラルネットワークアーキテクチャの有効性を検討した。
本手法は, 従来の分類法により, 病変の分類精度が有意に向上した第1種である。
論文 参考訳（メタデータ） (2023-01-16T01:08:32Z) - 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) - 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) - 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) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z) - Uncertainty aware and explainable diagnosis of retinal disease [0.0]
4つの網膜疾患の診断のための深層学習モデルの不確実性解析を行う。
不確実性が認識されている間にシステムが予測に使用する特徴は、システムが決定について確信が持たないときにハイライトする能力である。
論文 参考訳（メタデータ） (2021-01-26T23:37:30Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z) - On Interpretability of Deep Learning based Skin Lesion Classifiers using
Concept Activation Vectors [6.188009802619095]
メラノーマ, メラノーマ, セボリックケラトーシスの3種類の皮膚腫瘍の分類には, 十分に訓練された高性能ニューラルネットワークを用いている。
概念活性化ベクトル(CAV)の助けを借りて、人間の理解可能な概念をRECOD画像分類モデルにマッピングする
論文 参考訳（メタデータ） (2020-05-05T08:27:16Z)
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。