Fugu-MT 論文翻訳(概要): Diabetic Foot Ulcer Grand Challenge 2021: Evaluation and Summary

論文の概要: Diabetic Foot Ulcer Grand Challenge 2021: Evaluation and Summary

arxiv url: http://arxiv.org/abs/2111.10376v1
Date: Fri, 19 Nov 2021 15:18:53 GMT
ステータス: 処理完了
システム内更新日: 2021-11-23 14:56:06.455529
Title: Diabetic Foot Ulcer Grand Challenge 2021: Evaluation and Summary
Title（参考訳）: 2021年糖尿病足潰瘍グランドチャレンジ:評価と概要
Authors: Bill Cassidy, Connah Kendrick, Neil D. Reeves, Joseph M. Pappachan, Claire O'Shea, David G. Armstrong, Moi Hoon Yap
Abstract要約: 本稿では, 糖尿病性足の潰瘍問題2021で用いられる方法の評価を行い, 各ネットワークから得られた結果を要約する。最高性能のネットワークは上位3モデルの結果のアンサンブルであり、マクロ平均F1スコアは0.6307である。
参考スコア（独自算出の注目度）: 6.282069822653609
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Diabetic foot ulcer classification systems use the presence of wound infection (bacteria present within the wound) and ischaemia (restricted blood supply) as vital clinical indicators for treatment and prediction of wound healing. Studies investigating the use of automated computerised methods of classifying infection and ischaemia within diabetic foot wounds are limited due to a paucity of publicly available datasets and severe data imbalance in those few that exist. The Diabetic Foot Ulcer Challenge 2021 provided participants with a more substantial dataset comprising a total of 15,683 diabetic foot ulcer patches, with 5,955 used for training, 5,734 used for testing and an additional 3,994 unlabelled patches to promote the development of semi-supervised and weakly-supervised deep learning techniques. This paper provides an evaluation of the methods used in the Diabetic Foot Ulcer Challenge 2021, and summarises the results obtained from each network. The best performing network was an ensemble of the results of the top 3 models, with a macro-average F1-score of 0.6307.
Abstract（参考訳）: 糖尿病性足潰瘍分類システムは、創傷治癒の治療と予測のための重要な臨床指標として、創傷感染(創傷内細菌)と虚血(制限血液供給)の存在を使用する。糖尿病性足の創傷における感染・虚血の自動分類法の使用についての研究は, 利用可能なデータセットの多さや, 存在する少数のデータ不均衡が原因で限られている。糖尿病性足潰瘍チャレンジ2021では、糖尿病性足潰瘍パッチ15,683、トレーニングに5,955、テストに5,734、半教師付きおよび弱教師付きディープラーニング技術の開発を促進するために3,994の未ラベルパッチを参加者に提供した。本稿では,糖尿病性足潰瘍チャレンジ2021における方法の評価を行い,各ネットワークから得られた結果を要約する。最高性能のネットワークは上位3モデルの結果のアンサンブルであり、マクロ平均F1スコアは0.6307である。

関連論文リスト

Chronic Disease Diagnoses Using Behavioral Data [42.96592744768303]
高血糖(糖尿病)、高脂血症、高血圧(総称3H)を独自の行動データを用いて診断することを目的としている。
論文参考訳（メタデータ） (2024-10-04T12:52:49Z)
From Glucose Patterns to Health Outcomes: A Generalizable Foundation Model for Continuous Glucose Monitor Data Analysis [50.80532910808962]
GluFormerは、トランスフォーマーアーキテクチャに基づく生体医学的時間的データの生成基盤モデルである。 GluFormerは5つの地理的領域にまたがる4936人を含む15の異なる外部データセットに一般化されている。今後4年間の健康状態も予測できる。
論文参考訳（メタデータ） (2024-08-20T13:19:06Z)
Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文参考訳（メタデータ） (2024-04-26T16:39:50Z)
Diabetes detection using deep learning techniques with oversampling and feature augmentation [0.3749861135832073]
糖尿病は慢性の病理であり、ここ数年でますます多くの人に影響を与えている。毎年多数の死者が出ている。この病気を患っている多くの人々は、健康状態の深刻さを十分に理解していない。
論文参考訳（メタデータ） (2024-02-03T15:30:20Z)
Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文参考訳（メタデータ） (2023-02-16T17:06:23Z)
SACDNet: Towards Early Type 2 Diabetes Prediction with Uncertainty for Electronic Health Records [0.951828574518325]
本研究では,多頭部自己注意層と高密度層を用いた早期T2DM予測のためのニューラルネットワークアーキテクチャを提案する。提案手法は、SACDNet(Self-Attention for Comorbid Disease Net)と呼ばれ、89.3%の精度とF1スコア89.1%の精度を実現している。 T2DM予測データセットも,糖尿病4,124例と非糖尿病181,767例からなる実世界の電子健康記録(EHR)データに基づいて構築されている。
論文参考訳（メタデータ） (2023-01-12T07:14:47Z)
Prognosis and Treatment Prediction of Type-2 Diabetes Using Deep Neural Network and Machine Learning Classifiers [1.1470070927586016]
本研究の動作は,7つの機械学習分類器と,糖尿病の検出と治療を高精度に予測するためのニューラルネットワーク手法の比較研究である。トレーニングとテストデータセットは9483人の糖尿病患者の情報を蓄積したものです。私たちのハイパフォーマンスモデルは、糖尿病を予測し、より正確な予測モデルの研究を促進するために病院によって利用できます。
論文参考訳（メタデータ） (2023-01-08T19:10:20Z)
CIRCA: comprehensible online system in support of chest X-rays-based COVID-19 diagnosis [37.41181188499616]
深層学習技術は、新型コロナウイルスの迅速検出と疾患の進行のモニタリングに役立つ。 5つの異なるデータセットを使用して、モデルトレーニングのための23の799 CXRの代表的なデータセットを構築した。 The U-Net-based model was developed to identified a clinically relevant region of the CXR。
論文参考訳（メタデータ） (2022-10-11T13:30:34Z)
Analysis Towards Classification of Infection and Ischaemia of Diabetic Foot Ulcers [5.746418369209802]
本稿では,糖尿病性足部潰瘍データ(dfuc 2021)について,感染と虚血を主眼とした病態解析について紹介する。 DFUC 2021の最終リリースは15,683のDFUパッチと5,955のトレーニング、5,734のテスト、5,994のDFUパッチで構成されている。ディープラーニングの5つの重要なバックボーンのパフォーマンスをベンチマークします。 VGG16, ResNet101, InceptionV3, DenseNet121, EfficientNet on DFUC 2021。
論文参考訳（メタデータ） (2021-04-07T11:38:57Z)
A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading, and Transferability [76.64661091980531]
糖尿病患者は糖尿病網膜症(DR)を発症するリスクがあるコンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
論文参考訳（メタデータ） (2020-08-22T07:48:04Z)
Automated Diabetic Retinopathy Grading using Deep Convolutional Neural Network [0.7646713951724012]
糖尿病網膜症を正確に検出するコンピュータ支援検出システムの能力は、研究者の間で普及した。本研究では,事前トレーニングされたDenseNet121ネットワークを利用して,いくつかの修正を加え,APTOS 2019データセットでトレーニングした。提案手法は早期発見において他の最先端ネットワークよりも優れており,糖尿病網膜症の重症度評価において96.51%の精度でマルチラベル分類を行った。
論文参考訳（メタデータ） (2020-04-14T07:37:21Z)

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。