論文の概要: A Smartphone based Application for Skin Cancer Classification Using Deep
Learning with Clinical Images and Lesion Information
- arxiv url: http://arxiv.org/abs/2104.14353v1
- Date: Wed, 28 Apr 2021 16:51:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-01 03:00:03.233474
- Title: A Smartphone based Application for Skin Cancer Classification Using Deep
Learning with Clinical Images and Lesion Information
- Title（参考訳）: 臨床画像と病変情報を用いた深層学習を用いたスマートフォンによる皮膚癌の分類
- Authors: Breno Krohling, Pedro B. C. Castro, Andre G. C. Pacheco, and Renato A.
Krohling
- Abstract要約: ディープニューラルネットワーク(DNN)は皮膚がんの検出に有効である。
本研究では,スマートフォンを用いた皮膚がん検出支援アプリケーションを提案する。
- 参考スコア（独自算出の注目度）: 1.8199326045904993
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Over the last decades, the incidence of skin cancer, melanoma and
non-melanoma, has increased at a continuous rate. In particular for melanoma,
the deadliest type of skin cancer, early detection is important to increase
patient prognosis. Recently, deep neural networks (DNNs) have become viable to
deal with skin cancer detection. In this work, we present a smartphone-based
application to assist on skin cancer detection. This application is based on a
Convolutional Neural Network(CNN) trained on clinical images and patients
demographics, both collected from smartphones. Also, as skin cancer datasets
are imbalanced, we present an approach, based on the mutation operator of
Differential Evolution (DE) algorithm, to balance data. In this sense, beyond
provides a flexible tool to assist doctors on skin cancer screening phase, the
method obtains promising results with a balanced accuracy of 85% and a recall
of 96%.
- Abstract（参考訳）: 過去数十年にわたり、皮膚がん、メラノーマ、非メラノーマの発生率は連続的に増加している。
特に皮膚がんの致死型であるメラノーマでは、早期発見は患者の予後を増すのに重要である。
近年,深層ニューラルネットワーク (dnn) が皮膚がん検出に有用になった。
本研究では,スマートフォンを用いた皮膚がん検出支援アプリケーションを提案する。
このアプリケーションは、スマートフォンから収集された臨床画像と患者人口に基づいて訓練された畳み込みニューラルネットワーク(CNN)に基づいている。
また, 皮膚がんデータセットのバランスが崩れているため, 差分進化(DE)アルゴリズムの突然変異演算子を用いて, データのバランスをとるアプローチを提案する。
この意味では、皮膚がんスクリーニングフェーズで医師を支援する柔軟なツールを提供するだけでなく、バランスの取れた精度85%、リコール96%の有望な結果が得られる。
関連論文リスト
- Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
乳がん治療計画において、グレーディングは重要な役割を担っている。
現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。
本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
論文 参考訳（メタデータ） (2024-05-13T15:48:26Z) - Diagnosis of Skin Cancer Using VGG16 and VGG19 Based Transfer Learning Models [0.6827423171182154]
ディープ畳み込みニューラルネットワーク(CNN)は、データと画像の分類に優れた可能性を示している。
本稿では,CNNを用いた皮膚病変分類問題について検討する。
本研究では, 転写学習の枠組みを適切に設計し, 適用することにより, 病変検出の顕著な分類精度を得ることができることを示す。
論文 参考訳（メタデータ） (2024-04-01T15:06:20Z) - Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted
Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。
拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。
本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
論文 参考訳（メタデータ） (2023-11-30T15:11:03Z) - Double-Condensing Attention Condenser: Leveraging Attention in Deep Learning to Detect Skin Cancer from Skin Lesion Images [61.36288157482697]
皮膚がんはアメリカ合衆国で最も一般的な種類のがんであり、5人に1人のアメリカ人に影響を与えると推定されている。
近年の進歩は,SIIM-ISICメラノーマ分類チャレンジのアートパフォーマンスの状況から,皮膚がん検出に強い効果を示している。
本稿では,皮膚病変画像の皮膚癌検出に効率的な自己注意構造を活用し,皮膚病変画像からの皮膚癌検出をカスタマイズしたDC-ACを用いたディープニューラルネットワーク設計を提案する。
論文 参考訳（メタデータ） (2023-11-20T10:45:39Z) - A Comprehensive Evaluation Study on Risk Level Classification of
Melanoma by Computer Vision on ISIC 2016-2020 Datasets [0.0]
メラノーマは皮膚がんの75%の死因である。
メラノーマの検出は何百万人もの人に良い影響を与える可能性がある。
ISICアーカイブは皮膚病変の皮膚内視鏡像の収集で最大である。
論文 参考訳（メタデータ） (2023-02-19T09:58:58Z) - Melanoma Skin Cancer and Nevus Mole Classification using Intensity Value
Estimation with Convolutional Neural Network [0.0]
メラノーマ皮膚がんは最も危険で致命的ながんの一つである。
紫外線への曝露は皮膚細胞のDNAを損傷し、メラノーマ皮膚がんを引き起こす。
未熟期の悪性黒色腫とnevus moleの検出・分類は困難である。
論文 参考訳（メタデータ） (2022-09-30T13:35:24Z) - New pyramidal hybrid textural and deep features based automatic skin
cancer classification model: Ensemble DarkNet and textural feature extractor [1.4502611532302039]
本研究は, 皮膚癌自動検出の課題を克服することを目的とする。
自動多段階テクスチャおよびディープ特徴ベースモデルを提案する。
選ばれた上位1000の機能は、10倍のクロスバリデーション技術を使って分類される。
論文 参考訳（メタデータ） (2022-03-28T20:53:09Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳（メタデータ） (2022-01-13T05:24:40Z) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳（メタデータ） (2021-05-20T18:13:58Z) - CancerNet-SCa: Tailored Deep Neural Network Designs for Detection of
Skin Cancer from Dermoscopy Images [71.68436132514542]
皮膚がんはアメリカ合衆国で最も頻繁に診断されるがんである。
本研究では,皮膚内視鏡画像から皮膚がんを検出するための深層神経回路の設計手法である CancerNet-SCa について紹介する。
論文 参考訳（メタデータ） (2020-11-21T02:17:59Z) - Detector-SegMentor Network for Skin Lesion Localization and Segmentation [0.0]
メラノーマ(Melanoma)は、早期に未診断となった皮膚がんの一種である。
本稿では,ネットワーク・イン・ネットワーク・コンボリューション・ニューラルネットワークによる皮膚病変のセグメンテーションを提案する。
論文 参考訳（メタデータ） (2020-05-13T19:41:27Z)
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。