論文の概要: Segmentation and ABCD rule extraction for skin tumors classification
- arxiv url: http://arxiv.org/abs/2106.04372v1
- Date: Tue, 8 Jun 2021 14:07:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-09 15:53:36.788910
- Title: Segmentation and ABCD rule extraction for skin tumors classification
- Title（参考訳）: 皮膚腫瘍分類のためのセグメンテーションとABCDルール抽出
- Authors: Mahammed Messadi, Hocine Cherifi (Le2i), Abdelhafid Bessaid
- Abstract要約: 悪性皮膚病変を鑑別するために臨床診断に用いたABCDルールに基づく自動診断システムを提案する。
このフレームワークは320枚の画像の皮膚科データベース [16] でテストされている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: During the last years, computer vision-based diagnosis systems have been
widely used in several hospitals and dermatology clinics, aiming at the early
detection of malignant melanoma tumor, which is among the most frequent types
of skin cancer. In this work, we present an automated diagnosis system based on
the ABCD rule used in clinical diagnosis in order to discriminate benign from
malignant skin lesions. First, to reduce the influence of small structures, a
preprocessing step based on morphological and fast marching schemes is used. In
the second step, an unsupervised approach for lesion segmentation is proposed.
Iterative thresholding is applied to initialize level set automatically. As the
detection of an automated border is an important step for the correctness of
subsequent phases in the computerized melanoma recognition systems, we compare
its accuracy with growcut and mean shift algorithms, and discuss how these
results may influence in the following steps: the feature extraction and the
final lesion classification. Relying on visual diagnosis four features:
Asymmetry (A), Border (B), Color (C) and Diversity (D) are computed and used to
construct a classification module based on artificial neural network for the
recognition of malignant melanoma. This framework has been tested on a
dermoscopic database [16] of 320 images. The classification results show an
increasing true detection rate and a decreasing false positive rate.
- Abstract（参考訳）: 過去数年間、コンピュータビジョンに基づく診断システムは、いくつかの病院や皮膚科で広く用いられており、皮膚がんの中でも最も頻度の高い悪性黒色腫腫瘍の早期発見を目的としている。
そこで本研究では, 悪性皮膚病変と良性病変を区別するために, 臨床診断に使用される abcd 規則に基づく自動診断システムを提案する。
まず,小構造物の影響を低減するために,形態的および高速マーチング方式に基づく前処理ステップを用いる。
第2段階では,病変分節に対する教師なしアプローチを提案する。
繰り返ししきい値設定が自動的に初期化される。
自動境界の検出は,コンピュータ化メラノーマ認識システムにおけるその後の位相の正しさにとって重要なステップであり,その精度をグローカットおよび平均シフトアルゴリズムと比較し,これらの結果が次のステップにどう影響するかを考察する。
非対称性(a)、境界(b)、色(c)、多様性(d)の4つの特徴を計算し、悪性黒色腫の認識のための人工神経回路に基づく分類モジュールを構築する。
このフレームワークは320枚の画像の皮膚科データベース [16] でテストされている。
分類の結果,真検出率の増加と偽陽性率の低下が認められた。
関連論文リスト
- An Attention Based Pipeline for Identifying Pre-Cancer Lesions in Head and Neck Clinical Images [1.0957311485487375]
頭頸部癌は外科生検後に専門病院で診断されるが、診断が遅れる可能性がある。
疑わしい病変,分節を同定し,非異形成性,異形成性,癌性病変に分類するアテンションベースパイプラインを提案する。
論文 参考訳（メタデータ） (2024-05-03T09:02:17Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - 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) - A Pathologist-Informed Workflow for Classification of Prostate Glands in
Histopathology [62.997667081978825]
病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。
がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。
本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
論文 参考訳（メタデータ） (2022-09-27T14:08:19Z) - Lesion detection in contrast enhanced spectral mammography [0.0]
近年の乳房画像解析のためのニューラルネットワークモデルの出現は、コンピュータ支援診断における画期的な進歩である。
本研究は,CESMリコンビネート画像に対する深層学習に基づくコンピュータ支援診断開発を提案し,病変の検出と症例の分類を行う。
論文 参考訳（メタデータ） (2022-07-20T06:49:02Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer
Diagnosis in Breast Ultrasound Images [69.41441138140895]
本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。
提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。
臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
論文 参考訳（メタデータ） (2021-10-05T19:14:46Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳（メタデータ） (2021-06-04T09:51:27Z) - 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) - 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) - Automatic Lesion Detection System (ALDS) for Skin Cancer Classification
Using SVM and Neural Classifiers [0.6445605125467573]
自動病変検出システム(ALDS)は、医師や皮膚科医が皮膚がんの適切な解析と治療のための第2の意見を得るのに役立つ。
本稿では,確率論的アプローチに基づく改良ALDSフレームワークの開発に焦点をあてる。
論文 参考訳（メタデータ） (2020-03-13T13:31:35Z)
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。