論文の概要: Skin Cancer Diagnostics with an All-Inclusive Smartphone Application

• arxiv url: http://arxiv.org/abs/2205.12438v1
• Date: Wed, 25 May 2022 02:02:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-28 21:44:06.752272
• Title: Skin Cancer Diagnostics with an All-Inclusive Smartphone Application
• Title（参考訳）: オールインクルーシブスマートフォンを用いた皮膚癌診断
• Authors: Upender Kalwa, Christopher Legner, Taejoon Kong, Santosh Pandey
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.840144824279212
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Among the different types of skin cancer, melanoma is considered to be the deadliest and is difficult to treat at advanced stages. Detection of melanoma at earlier stages can lead to reduced mortality rates. Desktop-based computer-aided systems have been developed to assist dermatologists with early diagnosis. However, there is significant interest in developing portable, at-home melanoma diagnostic systems which can assess the risk of cancerous skin lesions. Here, we present a smartphone application that combines image capture capabilities with preprocessing and segmentation to extract the Asymmetry, Border irregularity, Color variegation, and Diameter (ABCD) features of a skin lesion. Using the feature sets, classification of malignancy is achieved through support vector machine classifiers. By using adaptive algorithms in the individual data-processing stages, our approach is made computationally light, user friendly, and reliable in discriminating melanoma cases from benign ones. Images of skin lesions are either captured with the smartphone camera or imported from public datasets. The entire process from image capture to classification runs on an Android smartphone equipped with a detachable 10x lens, and processes an image in less than a second. The overall performance metrics are evaluated on a public database of 200 images with Synthetic Minority Over-sampling Technique (SMOTE) (80% sensitivity, 90% specificity, 88% accuracy, and 0.85 area under curve (AUC)) and without SMOTE (55% sensitivity, 95% specificity, 90% accuracy, and 0.75 AUC). The evaluated performance metrics and computation times are comparable or better than previous methods. This all-inclusive smartphone application is designed to be easy-to-download and easy-to-navigate for the end user, which is imperative for the eventual democratization of such medical diagnostic systems.
• Abstract（参考訳）: 異なる種類の皮膚がんのうち、メラノーマは最も死亡率が高く、進行段階において治療が困難であると考えられている。 早期メラノーマの検出は死亡率の低下につながる可能性がある。 皮膚科医の早期診断を支援するためにデスクトップベースのコンピュータ支援システムを開発した。 しかし, 癌性皮膚病変のリスクを評価できる携帯型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,皮膚病変の非対称性,境界不規則性,色変化,直径(abcd)特徴を抽出するために,画像キャプチャ機能と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。 特徴集合を用いて、サポートベクターマシン分類器によって悪性度を分類する。 個別のデータ処理段階において適応アルゴリズムを用いることにより,メラノーマ症例と良性症例の識別において,計算量的に軽量でユーザフレンドリーで信頼性の高い手法を提案する。 皮膚病変の画像はスマートフォンのカメラで撮影するか、公共のデータセットからインポートされる。 画像キャプチャから分類までのプロセスは、取り外し可能な10xレンズを備えたAndroidスマートフォン上で実行され、1秒未満で画像を処理する。 総合的な性能指標は、合成過剰サンプリング技術(smote)(80%の感度、90%の特異性、88%の精度、0.85のアンダーカーブ(auc))と、smote(55%の感度、95%の特異性、90%の精度、0.55のauc)を含む200の画像の公開データベース上で評価される。 評価されたパフォーマンスメトリクスと計算時間は、以前の方法と同等かそれ以上である。 このオールインクルーシブなスマートフォンアプリケーションは、エンドユーザにとって簡単にダウンロードでき、ナビゲートしやすく、医療診断システムの最終的な民主化に欠かせないように設計されている。

関連論文リスト

• Enhancing Skin Disease Diagnosis: Interpretable Visual Concept Discovery with SAM Empowerment [41.398287899966995]
  現在のAIによる皮膚画像診断は、皮膚がんの分類において皮膚科レベルのパフォーマンスを達成している。 皮膚病変診断のための新しいクロス・アテテーティブ・フュージョン・フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-14T20:11:25Z)
• Lung-CADex: Fully automatic Zero-Shot Detection and Classification of Lung Nodules in Thoracic CT Images [45.29301790646322]
  コンピュータ支援診断は早期の肺結節の検出に役立ち、その後の結節の特徴づけを促進する。 MedSAMと呼ばれるSegment Anything Modelの変種を用いて肺結節をゼロショットでセグメント化するためのCADeを提案する。 また、放射能特徴のギャラリーを作成し、コントラスト学習を通じて画像と画像のペアを整列させることにより、良性/良性としての結節的特徴付けを行うCADxを提案する。
  論文  参考訳（メタデータ） (2024-07-02T19:30:25Z)
• Clinical Melanoma Diagnosis with Artificial Intelligence: Insights from a Prospective Multicenter Study [1.2397589403129072]
  AIはメラノーマの検出を強化するのに役立つことが証明されている。 現存する研究は、サンプルサイズが低いこと、同質なデータセットが多すぎること、希少なメラノーマ亜型の欠如によって制限されている。 メラノーマの診断精度と皮膚科医の診断精度を比較検討し, 確立されたメラノーマ検出用オープンソースアルゴリズムである「All Data is Ext」(ADAE)を評価した。
  論文  参考訳（メタデータ） (2024-01-25T14:03:54Z)
• Skin Lesion Diagnosis Using Convolutional Neural Networks [0.30458514384586394]
  本研究の目的は,様々な分野から画像分類のための最先端技術を収集し,この問題に対処することである。 モデルは8012画像のデータセットを用いて訓練され、その性能は2003画像を用いて評価された。 このモデルは、手作りの機能抽出を必要とせずに、イメージからラベルに直接、エンドツーエンドでトレーニングされています。
  論文  参考訳（メタデータ） (2023-05-18T17:15:08Z)
• Increasing Melanoma Diagnostic Confidence: Forcing the Convolutional Network to Learn from the Lesion [0.9143713488498512]
  EfficientNetモデルによりメラノーマ認識を改善する新しい手法を提案する。 モデルは、ネットワークをトレーニングして、病変を検出し、検出された病変から特徴を学習する。 実験の結果,提案手法は受信機動作特性曲線の平均値(平均AUC)を0.9から0.922に高めることにより,診断精度を向上させた。
  論文  参考訳（メタデータ） (2023-05-16T15:34:12Z)
• Extended Feature Space-Based Automatic Melanoma Detection System [9.165013127586267]
  メラノーマは皮膚がんで最も致命的な形態である。メラノーマの制御不能な増殖はメラノーマにつながる。 自動メラノーマ検出システム(AMDS)は、画像処理技術に基づいてメラノーマを検出する。 拡張特徴ベクトル空間の計算のための新しいアルゴリズムExtFvAMDSを提案する。
  論文  参考訳（メタデータ） (2022-09-10T04:15:45Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• 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)
• 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)
• Melanoma Diagnosis with Spatio-Temporal Feature Learning on Sequential Dermoscopic Images [40.743870665742975]
  悪性黒色腫自動診断のための既存の皮膚科医は、病変の単一点像に基づいている。 そこで本研究では,連続した皮膚内視鏡像を用いたメラノーマ診断のための自動フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-19T04:08:22Z)
• AI outperformed every dermatologist: Improved dermoscopic melanoma diagnosis through customizing batch logic and loss function in an optimized Deep CNN architecture [2.572959153453185]
  本研究では,メラノーマを二項分類問題として検出することを目的としたディープ畳み込みニューラルネットワークを用いた手法を提案する。 これには3つの重要な機能、すなわち、カスタマイズされたバッチロジック、カスタマイズされた損失関数、完全に接続されたレイヤが含まれる。 このモデルは157人の皮膚科医に優れ、AUCでは94.4%、感度は85.0%、特異度は95.0%であった。
  論文  参考訳（メタデータ） (2020-03-05T13:19:13Z)

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。