論文の概要: A Machine Learning Model for Early Detection of Diabetic Foot using Thermogram Images

• arxiv url: http://arxiv.org/abs/2106.14207v1
• Date: Sun, 27 Jun 2021 11:37:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-29 13:48:35.327711
• Title: A Machine Learning Model for Early Detection of Diabetic Foot using Thermogram Images
• Title（参考訳）: サーモグラム画像を用いた早期糖尿病足検出のための機械学習モデル
• Authors: Amith Khandakar, Muhammad E. H. Chowdhury, Mamun Bin Ibne Reaz, Sawal Hamid Md Ali, Md Anwarul Hasan, Serkan Kiranyaz, Tawsifur Rahman, Rashad Alfkey, Ahmad Ashrif A. Bakar, Rayaz A. Malik
• Abstract要約: 糖尿病性足の潰瘍(DFU)と切断は致命的な致死性の原因である。 サーモグラム画像は、DFU以前の足底温度の上昇を検出するのに役立つかもしれない。 糖尿病の足を同定するための頑健な解法を提案する。
• 参考スコア（独自算出の注目度）: 3.8261286462270006
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diabetes foot ulceration (DFU) and amputation are a cause of significant morbidity. The prevention of DFU may be achieved by the identification of patients at risk of DFU and the institution of preventative measures through education and offloading. Several studies have reported that thermogram images may help to detect an increase in plantar temperature prior to DFU. However, the distribution of plantar temperature may be heterogeneous, making it difficult to quantify and utilize to predict outcomes. We have compared a machine learning-based scoring technique with feature selection and optimization techniques and learning classifiers to several state-of-the-art Convolutional Neural Networks (CNNs) on foot thermogram images and propose a robust solution to identify the diabetic foot. A comparatively shallow CNN model, MobilenetV2 achieved an F1 score of ~95% for a two-feet thermogram image-based classification and the AdaBoost Classifier used 10 features and achieved an F1 score of 97 %. A comparison of the inference time for the best-performing networks confirmed that the proposed algorithm can be deployed as a smartphone application to allow the user to monitor the progression of the DFU in a home setting.
• Abstract（参考訳）: 糖尿病性足の潰瘍(DFU)と切断は重篤な死因である。 DFUの予防は、DFUのリスクのある患者の識別と、教育やオフロードによる予防措置の実施によって達成される。 いくつかの研究は、熱グラム画像がDFU以前の花弁温度の上昇を検出するのに役立つと報告している。 しかし、植物温の分布は不均一であり、定量化が難しく、結果を予測するのが困難である。 本研究では,機械学習に基づくスコアリング手法と,特徴選択と最適化手法と学習分類器とを,足部サーモグラム画像の最先端畳み込みニューラルネットワーク(cnns)と比較し,糖尿病性足の同定のためのロバストな解法を提案する。 比較的浅いCNNモデルであるMobilenetV2は、2フィートのサーモグラム画像に基づく分類でF1スコアを95%達成し、AdaBoost分類器は10の特徴を使用し、F1スコアを97%とした。 ベストパフォーマンスネットワークの推論時間の比較により,提案アルゴリズムをスマートフォンアプリケーションとしてデプロイすることで,家庭におけるdfuの進行状況を監視することができることを確認した。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Interpretable cancer cell detection with phonon microscopy using multi-task conditional neural networks for inter-batch calibration [39.759100498329275]
  本稿では,バッチ間キャリブレーションを同時に実現する条件付きニューラルネットワークフレームワークを提案する。 異なる実験バッチをトレーニングし、検証することで、我々のアプローチを検証する。 このモデルを拡張して, 診断信号の再構成を行い, 疾患状態を示す有能な特徴の物理的解釈を可能にした。
  論文  参考訳（メタデータ） (2024-03-26T12:20:10Z)
• Improving Nonalcoholic Fatty Liver Disease Classification Performance With Latent Diffusion Models [0.0]
  拡散モデルを用いて生成した合成画像と実画像を組み合わせることで,非アルコール性脂肪性肝疾患分類性能を向上させることができることを示す。 その結果,拡散生成画像では最大ISスコアが1.90ドル,GANが1.67ドル,FIDスコアが6.9.45ドル,GANが100.05ドルであった。
  論文  参考訳（メタデータ） (2023-07-13T01:14:08Z)
• Venn Diagram Multi-label Class Interpretation of Diabetic Foot Ulcer with Color and Sharpness Enhancement [8.16095457838169]
  DFUは糖尿病の重篤な合併症であり、適切に治療しなければ下肢の切断につながる可能性がある。 本稿では,異なる画像強調手法を用いたマルチラベルCNN手法のVenn Diagram解釈を提案し,マルチクラスDFU分類を改善する。 提案手法は既存の手法より優れており,それぞれ0.6592,0.6593,0.6652のマクロ平均F1,リコール,精度スコアを達成している。
  論文  参考訳（メタデータ） (2023-05-01T19:06:28Z)
• Diabetic foot ulcers monitoring by employing super resolution and noise reduction deep learning techniques [10.837348673297083]
  本研究は,糖尿病性足部潰瘍の診断・モニタリングを支援するイメージ・ツー・イメージ翻訳技術 (ITITT) の2つのカテゴリについて検討する。 前者では、畳み込みニューラルネットワークスタックドオートエンコーダ(CNN-SAE)のノイズ除去能力について検討した。 後者のシナリオでは、4つのディープラーニング超解像モデルがデプロイされる。
  論文  参考訳（メタデータ） (2022-09-20T17:35:49Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• FEDI: Few-shot learning based on Earth Mover's Distance algorithm combined with deep residual network to identify diabetic retinopathy [3.6623193507510012]
  本稿では,Earth Moverのアルゴリズムをベースとした,糖尿病網膜症の診断支援を目的とした深部残像ネットワークの複数ショット学習モデルを提案する。 我々は,1000サンプルデータの39カテゴリに基づいて,数ショット学習のためのトレーニングと検証の分類タスクを構築し,深層残留ネットワークを訓練し,経験的事前学習モデルを得る。 事前学習モデルの重みに基づいて、Earth MoverのDistanceアルゴリズムは画像間の距離を計算し、画像間の類似性を求め、モデルのパラメータを変更してトレーニングモデルの精度を向上させる。
  論文  参考訳（メタデータ） (2021-08-22T13:05:02Z)
• 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)
• GKD: Semi-supervised Graph Knowledge Distillation for Graph-Independent Inference [41.348451615460796]
  本稿では,知識蒸留に基づく新しい半教師付き手法GKDを提案する。 自閉症スペクトラム障害の診断のための2つの公開データセットとアルツハイマー病に関する実験を行う。 これらの実験によると、GKDは従来のグラフベースのディープラーニング手法よりも精度、AUC、マクロF1で優れている。
  論文  参考訳（メタデータ） (2021-04-08T08:23:37Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• Model-Based Reinforcement Learning for Type 1Diabetes Blood Glucose Control [0.0]
  本研究では,1型糖尿病患者のインスリン摂取量決定を支援するためのモデルベース強化学習について検討した。 提案アーキテクチャは、複数のEcho State Networksで構成され、計画のためのモデル予測コントローラと組み合わせて血糖値を予測する。
  論文  参考訳（メタデータ） (2020-10-13T10:17:30Z)

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。