論文の概要: Dermo-DOCTOR: A web application for detection and recognition of the skin lesion using a deep convolutional neural network

• arxiv url: http://arxiv.org/abs/2102.01824v1
• Date: Wed, 3 Feb 2021 01:14:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-05 00:45:24.606466
• Title: Dermo-DOCTOR: A web application for detection and recognition of the skin lesion using a deep convolutional neural network
• Title（参考訳）: Dermo-DOCTOR:Deep Convolutional Neural Networkを用いた皮膚病変の検出と認識のためのWebアプリケーション
• Authors: Md. Kamrul Hasan, Shidhartho Roy, Chayan Mondal, Md. Ashraful Alam, Md.Toufick E Elahi, Aishwariya Dutta, S. M. Taslim Uddin Raju, Mohiuddin Ahmad
• Abstract要約: 本稿では,Dermo-DOCTORという皮膚病変の同時検出と認識のための,エンドツーエンドの深層CNNベースのマルチタスクWebアプリケーションを提案する。 検出サブネットワークでは、Fused Feature Map (FFM) がデコードに使われ、出力された病変マスクの入力解像度を得る。 認識サブネットワークでは、2つのエンコーダとFFMの特徴マップをアグリゲーションに使用して最終病変クラスを得る。
• 参考スコア（独自算出の注目度）: 3.7242808753092502
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated skin lesion analysis for detection and recognition is still challenging for inter-class diversity and intra-class similarity, and the low generic capability of a single Convolutional Neural Network (CNN) with limited datasets. This article proposes an end-to-end deep CNN-based multi-task web application for concurrent detection and recognition of skin lesion, named Dermo-DOCTOR, consisting of two encoders, where the features from each encoder are fused in channel-wise, called Fused Feature Map (FFM). For the detection sub-network, the FFM is used for decoding to obtain the input resolution of the output lesion masks, where the outputs of each stage of two encoders are concatenated with the same scale decoder output to regain the lost spatial information due to pooling in encoders. For the recognition sub-network, feature maps of two encoders and FFM are used for the aggregation to obtain a final lesion class. We train and evaluate the Dermo-Doctor utilizing two publicly available benchmark datasets, such as ISIC-2016 and ISIC-2017. The obtained mean intersection over unions, for detection sub-network, are 85.0 % and 80.0 %, whereas the areas under the receiver operating characteristic curve, for recognition sub-network, are 0.98 and 0.91, respectively, for ISIC-2016 and ISIC-2017 test datasets. The experimental results demonstrate that the proposed Dermo-DOCTOR outperforms the alternative methods mentioned in the literature, designed for skin lesion detection and recognition. As the Dermo-DOCTOR provides better-results on two different test datasets, even with limited training data, it can be an auspicious computer-aided screening tool to assist the dermatologists.
• Abstract（参考訳）: 検出と認識のための自動皮膚病変分析は、クラス間の多様性とクラス内の類似性、および限られたデータセットを持つ単一の畳み込みニューラルネットワーク(CNN)の低汎用性のためにまだ困難です。 本稿では,2つのエンコーダで構成され,各エンコーダの特徴をチャネル毎に融合し,ffm(fused feature map)と呼ぶ,皮膚病変の同時検出と認識を行うための,エンド・ツー・エンドの深層cnnベースのマルチタスクwebアプリケーションを提案する。 検出サブネットワークにおいて、2つのエンコーダの各ステージの出力と同一のスケールデコーダ出力とを連結し、エンコーダのプールによる空間情報の喪失を回復させる出力障害マスクの入力解像度を得るために、FFMがデコードに使用される。 認識サブネットワークでは、2つのエンコーダとFFMの特徴マップをアグリゲーションに使用して最終病変クラスを得る。 我々は、isic-2016とisic-2017の2つのベンチマークデータセットを使用してdermo-doctorをトレーニングし、評価する。 検出サブネットワークのためのユニオン上の平均交差は85.0%および80.0%であるが、ISIC-2016およびISIC-2017テストデータセットでは、受信機の動作特性曲線下の領域はそれぞれ0.98および0.91である。 The experimental results showed that the proposed Dermo-DOCTOR are outperforming the alternative method in the literature, designed for skin lesion detection and recognition。 Dermo-DOCTORは、限られたトレーニングデータであっても、2つの異なるテストデータセットにより良い結果を提供するため、皮膚科医を支援するための便利なコンピュータ支援スクリーニングツールです。

関連論文リスト

• Joint Sensing and Semantic Communications with Multi-Task Deep Learning [49.83882366499547]
  無線チャンネル上で動作し、ノイズ及びフェーディング効果を受ける送信機と受信機とを含む統合システムである。 送信機は、ソースコーディング、チャネルコーディング、変調のジョイントオペレーションのために、ディープニューラルネットワーク、すなわちエンコーダを使用する。 受信機は、復調、チャネル復号、ソース復号のジョイントオペレーションにおいて、別のディープニューラルネットワーク、すなわちデコーダを使用してデータサンプルを再構築する。
  論文  参考訳（メタデータ） (2023-11-08T21:03:43Z)
• A Novel Two Stream Decision Level Fusion of Vision and Inertial Sensors Data for Automatic Multimodal Human Activity Recognition System [2.5214116139219787]
  本稿では,新しいマルチモーダルな人間活動認識システムを提案する。 視覚と慣性センサーを2ストリームの意思決定レベルで融合させる。 提案法で得られた収差は96.9%、97.6%、98.7%、95.9%である。
  論文  参考訳（メタデータ） (2023-06-27T19:29:35Z)
• Bandwidth-efficient distributed neural network architectures with application to body sensor networks [73.02174868813475]
  本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。 提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。 本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
  論文  参考訳（メタデータ） (2022-10-14T12:35:32Z)
• Focused Decoding Enables 3D Anatomical Detection by Transformers [64.36530874341666]
  集束デコーダと呼ばれる3次元解剖学的構造検出のための新しい検出変換器を提案する。 Focused Decoderは、解剖学的領域のアトラスからの情報を活用して、クエリアンカーを同時にデプロイし、クロスアテンションの視野を制限する。 提案手法を利用可能な2つのCTデータセットに対して評価し、フォーカスドデコーダが強力な検出結果を提供するだけでなく、大量の注釈付きデータの必要性を軽減し、注意重みによる結果の例外的で直感的な説明性を示すことを示した。
  論文  参考訳（メタデータ） (2022-07-21T22:17:21Z)
• A generalizable approach based on U-Net model for automatic Intra retinal cyst segmentation in SD-OCT images [1.6114012813668928]
  異なるベンダーにまたがる網膜内嚢胞分節に対する新しいU-Netベースのアプローチを提案する。 最初のステップでは、データを受信する際のネットワーク制限の一部を克服する方法で、その情報をネットワークに注入する。 そして次のステップでは、標準U-Netアーキテクチャのエンコーダとデコーダの接続モジュールを導入しました。
  論文  参考訳（メタデータ） (2022-02-01T15:23:00Z)
• MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake Detection [80.83725644958633]
  現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。 MD-CSDNetwork(MD-CSDNetwork)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） (2021-09-15T14:11:53Z)
• Raspberry Pi Based Intelligent Robot that Recognizes and Places Puzzle Objects [1.1470070927586016]
  非線形2次差分プロット(SODP)は、心不全(CHF)患者の診断に用いられる。 構築システムは,SODPから得られる特徴を持つニューラルネットワーク分類器を用いて,正常およびCHF患者を100%精度で識別できることが示唆された。
  論文  参考訳（メタデータ） (2021-01-20T18:58:59Z)
• Automatic Recognition of the Supraspinatus Tendinopathy from Ultrasound Images using Convolutional Neural Networks [1.021325814813899]
  畳み込みニューラルネットワークに基づく自動腱症認識フレームワークが提案されている。 テンドンセグメンテーションはNASUNetという新しいネットワークを通じて行われる。 腱症診断のための一般的な分類パイプラインが提案されている。
  論文  参考訳（メタデータ） (2020-11-23T22:41:41Z)
• Explainable-by-design Semi-Supervised Representation Learning for COVID-19 Diagnosis from CT Imaging [23.918269366873567]
  本稿では,変分オートエンコーダを用いて効率的な特徴埋め込みを抽出する半教師付き分類パイプラインに基づく説明可能なディープラーニング手法を提案する。 説明可能な分類結果から, 提案する診断システムは, 新型コロナウイルスの分類に極めて有効である。
  論文  参考訳（メタデータ） (2020-11-23T20:51:22Z)
• DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
  本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。 我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。 皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
  論文  参考訳（メタデータ） (2020-08-19T06:02:46Z)
• Collaborative Boundary-aware Context Encoding Networks for Error Map Prediction [65.44752447868626]
  本稿では,AEP-Net と呼ばれる協調的コンテキスト符号化ネットワークを提案する。 具体的には、画像とマスクのより優れた特徴融合のための協調的な特徴変換分岐と、エラー領域の正確な局所化を提案する。 AEP-Netはエラー予測タスクの平均DSCが0.8358,0.8164であり、ピアソン相関係数が0.9873である。
  論文  参考訳（メタデータ） (2020-06-25T12:42:01Z)

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。