論文の概要: Skin lesion segmentation and classification using deep learning and handcrafted features

• arxiv url: http://arxiv.org/abs/2112.10307v1
• Date: Mon, 20 Dec 2021 02:45:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-21 16:07:56.527093
• Title: Skin lesion segmentation and classification using deep learning and handcrafted features
• Title（参考訳）: 深層学習と手作り特徴を用いた皮膚病変の分節と分類
• Authors: Redha Ali and Hussin K. Ragb
• Abstract要約: 我々は、ハイブリッド機能と呼ばれる新しいタイプの画像特徴を作成し、単一のメソッド機能よりも識別能力が強い。 我々のモデルは92.3%のバランスの取れたマルチクラス精度を実現しており、これはディープラーニングのための典型的な単一手法アーキテクチャよりも6.8%良い。
• 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: Accurate diagnostics of a skin lesion is a critical task in classification dermoscopic images. In this research, we form a new type of image features, called hybrid features, which has stronger discrimination ability than single method features. This study involves a new technique where we inject the handcrafted features or feature transfer into the fully connected layer of Convolutional Neural Network (CNN) model during the training process. Based on our literature review until now, no study has examined or investigated the impact on classification performance by injecting the handcrafted features into the CNN model during the training process. In addition, we also investigated the impact of segmentation mask and its effect on the overall classification performance. Our model achieves an 92.3% balanced multiclass accuracy, which is 6.8% better than the typical single method classifier architecture for deep learning.
• Abstract（参考訳）: 皮膚病変の正確な診断は,皮膚内視鏡画像の分類において重要な課題である。 本研究では,単一手法よりも強力な識別能力を有するハイブリッド機能という,新たなタイプの画像特徴を形成する。 この研究は、トレーニングプロセス中に手作りの特徴や特徴を、畳み込みニューラルネットワーク(CNN)モデルの完全に接続された層に注入する新しい手法を含む。 これまでの文献レビューでは, CNNモデルに手作り特徴を注入することにより, 分類性能への影響について検討や検討は行われていない。 また,セグメンテーションマスクが全体の分類性能に与える影響についても検討した。 このモデルは92.3%のバランスの取れたマルチクラス精度を実現しており、ディープラーニングのための一般的な単一メソッド分類器アーキテクチャよりも6.8%優れている。

関連論文リスト

• Deep Learning Method to Predict Wound Healing Progress Based on Collagen Fibers in Wound Tissue [5.91170345684227]
  本稿では,創傷治癒の進展を予測するために,深層学習に基づく革新的なアプローチを提案する。 創傷治癒の6段階を82%の精度で分類した。 我々の知る限り,本提案モデルは創傷治癒過程を予測するための,最初の深層学習に基づく分類モデルである。
  論文  参考訳（メタデータ） (2024-05-08T13:33:32Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• Exploiting Causality Signals in Medical Images: A Pilot Study with Empirical Results [1.2400966570867322]
  本稿では,ニューラルネットワークによる分類目的の画像から弱い因果信号を発見し,利用するための新しい手法を提案する。 このようにして、画像の1つの部分における特徴の存在が、画像の別の部分における他の特徴の出現にどのように影響するかをモデル化する。 提案手法は,畳み込みニューラルネットワークのバックボーンと因果係数抽出モジュールから構成される。
  論文  参考訳（メタデータ） (2023-09-19T08:00:26Z)
• Performance of GAN-based augmentation for deep learning COVID-19 image classification [57.1795052451257]
  ディープラーニングを医療分野に適用する上で最大の課題は、トレーニングデータの提供である。 データ拡張は、限られたデータセットに直面した時に機械学習で使用される典型的な方法論である。 本研究は, 新型コロナウイルスの胸部X線画像セットを限定して, StyleGAN2-ADAモデルを用いて訓練するものである。
  論文  参考訳（メタデータ） (2023-04-18T15:39:58Z)
• Application of Transfer Learning and Ensemble Learning in Image-level Classification for Breast Histopathology [9.037868656840736]
  CAD(Computer-Aided Diagnosis)では、従来の分類モデルでは、主に1つのネットワークを使って特徴を抽出する。 本稿では良性病変と悪性病変のバイナリ分類のための画像レベルラベルに基づく深層アンサンブルモデルを提案する。 結果: アンサンブルネットワークモデルにおいて、画像レベルのバイナリ分類は9,8.90%の精度を達成する。
  論文  参考訳（メタデータ） (2022-04-18T13:31:53Z)
• 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)
• Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
  本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-10T13:07:11Z)
• The Effect of the Loss on Generalization: Empirical Study on Synthetic Lung Nodule Data [13.376247652484274]
  異なる損失関数が学習される特徴に結びつき、その結果、未確認データに対する分類器の一般化能力に影響を及ぼすことを示す。 本研究は、医用画像処理タスクのためのディープラーニングソリューションの設計に関する重要な知見を提供する。
  論文  参考訳（メタデータ） (2021-08-10T17:58:01Z)
• Attention Model Enhanced Network for Classification of Breast Cancer Image [54.83246945407568]
  AMENはマルチブランチ方式で、画素ワイドアテンションモデルとサブモジュールの分類で定式化される。 微妙な詳細情報に焦点を合わせるため、サンプル画像は、前枝から生成された画素対応の注目マップによって強化される。 3つのベンチマークデータセットで行った実験は、様々なシナリオにおいて提案手法の優位性を実証している。
  論文  参考訳（メタデータ） (2020-10-07T08:44:21Z)
• Melanoma Detection using Adversarial Training and Deep Transfer Learning [6.22964000148682]
  皮膚病変画像の自動分類のための2段階の枠組みを提案する。 第1段階では、条件付き画像合成のタスクにおいて、データ分布のクラス間変動を利用する。 第2段階では,皮膚病変分類のための深部畳み込みニューラルネットワークを訓練する。
  論文  参考訳（メタデータ） (2020-04-14T22:46:20Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。