論文の概要: Dynamic hardware system for cascade SVM classification of melanoma

• arxiv url: http://arxiv.org/abs/2112.05322v1
• Date: Fri, 10 Dec 2021 03:56:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-13 15:52:02.542046
• Title: Dynamic hardware system for cascade SVM classification of melanoma
• Title（参考訳）: メラノーマのカスケードSVM分類のための動的ハードウェアシステム
• Authors: Shereen Afifi, Hamid GholamHosseini, Roopak Sinha
• Abstract要約: メラノーマは皮膚がんの最も危険な形態であり、皮膚がんによる死の大半の原因となっている。 医療現場でメラノーマの早期発見を促進するために,低コストで高性能なハンドヘルドデバイスを開発することを目的としている。
• 参考スコア（独自算出の注目度）: 0.8594140167290097
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Melanoma is the most dangerous form of skin cancer, which is responsible for the majority of skin cancer-related deaths. Early diagnosis of melanoma can significantly reduce mortality rates and treatment costs. Therefore, skin cancer specialists are using image-based diagnostic tools for detecting melanoma earlier. We aim to develop a handheld device featured with low cost and high performance to enhance early detection of melanoma at the primary healthcare. But, developing this device is very challenging due to the complicated computations required by the embedded diagnosis system. Thus, we aim to exploit the recent hardware technology in reconfigurable computing to achieve a high-performance embedded system at low cost. Support vector machine (SVM) is a common classifier that shows high accuracy for classifying melanoma within the diagnosis system and is considered as the most compute-intensive task in the system. In this paper, we propose a dynamic hardware system for implementing a cascade SVM classifier on FPGA for early melanoma detection. A multi-core architecture is proposed to implement a two-stage cascade classifier using two classifiers with accuracies of 98% and 73%. The hardware implementation results were optimized by using the dynamic partial reconfiguration technology, where very low resource utilization of 1% slices and power consumption of 1.5 W were achieved. Consequently, the implemented dynamic hardware system meets vital embedded system constraints of high performance and low cost, resource utilization, and power consumption, while achieving efficient classification with high accuracy.
• Abstract（参考訳）: メラノーマは皮膚がんの最も危険な形態であり、皮膚がんによる死の大半の原因となっている。 メラノーマの早期診断は死亡率と治療費を大幅に削減する。 そのため、皮膚がん専門医は、早期にメラノーマを検出するために画像ベースの診断ツールを使用している。 医療現場でメラノーマの早期発見を促進するために,低コストで高性能なハンドヘルドデバイスを開発することを目的とする。 しかし、組込み診断システムに必要な複雑な計算のために、この装置の開発は非常に困難である。 そこで我々は,最近のハードウェア技術を活用して,低コストで高性能な組込みシステムを実現することを目的とする。 サポートベクターマシン(SVM)は診断システム内でメラノーマを分類するための高精度な分類器であり、システム内で最も計算集約的なタスクと考えられている。 本稿では,早期メラノーマ検出のためのFPGAにカスケードSVM分類器を実装するための動的ハードウェアシステムを提案する。 精度98%と73%の2つの分類器を用いた2段階カスケード分類器を実装するために,マルチコアアーキテクチャを提案する。 ハードウェア実装の結果は,1%スライスの資源利用率と1.5wの消費電力の極めて低い動的部分再構成技術を用いて最適化された。 実装された動的ハードウェアシステムは、高い性能と低コスト、資源利用、電力消費という重要な組み込みシステムの制約を満たすとともに、高い精度で効率的な分類を実現する。

関連論文リスト

• Early Detection of Coronary Heart Disease Using Hybrid Quantum Machine Learning Approach [0.0]
  冠動脈疾患(CHD)は重症心疾患であり,早期診断が不可欠である。 量子コンピューティングと機械学習(ML)技術の主流となる開発は、CHD診断の性能に実用的な改善をもたらす可能性がある。 医療業界における量子的な飛躍は、処理能力を高め、複数のモデルを最適化する。
  論文  参考訳（メタデータ） (2024-09-17T07:08:39Z)
• Prototype Learning Guided Hybrid Network for Breast Tumor Segmentation in DCE-MRI [58.809276442508256]
  本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマー層を組み合わせたハイブリッドネットワークを提案する。 プライベートおよびパブリックなDCE-MRIデータセットの実験結果から,提案したハイブリッドネットワークは最先端の手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-08-11T15:46:00Z)
• Hybrid Deep Learning Framework for Enhanced Melanoma Detection [3.004788114489393]
  本研究の目的は, メラノーマ検出の精度と効率を, 革新的なハイブリッドアプローチにより向上させることである。 我々は、HAM10000データセットを使用して、U-Netモデルを綿密に訓練し、癌領域を正確に分類することができる。 我々はISIC 2020データセットを用いてEfficientNetモデルをトレーニングし、皮膚がんのバイナリ分類に最適化する。
  論文  参考訳（メタデータ） (2024-07-16T04:58:47Z)
• Quantum Support Vector Machine for Prostate Cancer Detection: A Performance Analysis [0.0]
  本稿では,この重要な医療課題に対するQuantum Support Vector Machine (QSVM)の適用について紹介する。 本研究は,従来のSVM技術よりもQSVMによる診断性能の顕著な改善について概説する。 この結果は、古典的なSVMと同等の精度であるだけでなく、感度が7.14%上昇し、特に高いF1スコア(93.33%ドル)が明らかになった。
  論文  参考訳（メタデータ） (2024-03-12T17:46:38Z)
• 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)
• Skin Cancer Diagnostics with an All-Inclusive Smartphone Application [2.840144824279212]
  ポータブル・在宅メラノーマ診断システムの開発には大きな関心がある。 本稿では,画像キャプチャ機能と事前処理とセグメンテーションを組み合わせたスマートフォンアプリケーションを提案する。 本手法は,良性黒色腫症例と良性黒色腫症例との鑑別において,軽量でユーザフレンドリで信頼性の高い手法である。
  論文  参考訳（メタデータ） (2022-05-25T02:02:08Z)
• SSD-KD: A Self-supervised Diverse Knowledge Distillation Method for Lightweight Skin Lesion Classification Using Dermoscopic Images [62.60956024215873]
  皮膚がんは最も一般的な悪性腫瘍の1つであり、人口に影響を与え、世界中で経済的な重荷を負っている。 皮膚がん検出のほとんどの研究は、ポータブルデバイス上での計算資源の制限を考慮せずに、高い予測精度を追求している。 本研究は,皮膚疾患分類のための汎用的なKDフレームワークに多様な知識を統一する,SSD-KD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） (2022-03-22T06:54:29Z)
• 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)
• 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)
• A system on chip for melanoma detection using FPGA-based SVM classifier [0.7646713951724011]
  Support Vector Machine (SVM)は、異なる分類問題で高い精度を示す堅牢な機械学習モデルである。 FPGA上でSVMを実装したハードウェア/ソフトウェア共同設計により,チップ上でメラノーマ検出を実現する。
  論文  参考訳（メタデータ） (2021-09-30T04:30:54Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)

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。