論文の概要: Learning High-quality Proposals for Acne Detection

• arxiv url: http://arxiv.org/abs/2207.03674v1
• Date: Fri, 8 Jul 2022 03:28:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-11 13:38:24.305072
• Title: Learning High-quality Proposals for Acne Detection
• Title（参考訳）: acne検出のための高品質提案の学習
• Authors: Jianwei Zhang, Lei Zhang, Junyou Wang, Xin Wei, Jiaqi Li, Xian Jiang, Dan Du
• Abstract要約: クレーン病変の任意の境界と小ささは、2段階検出における質の悪い提案につながる。 本研究では,提案手法の質を向上させるため,地域提案ネットワークのための新しいヘッダ構造を提案する。 さらに,AcneSCUという新しいデータセットを構築し,高精細な画像,正確なアノテーション,微細な病変の分類を行った。
• 参考スコア（独自算出の注目度）: 14.422185479655143
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Acne detection is crucial for interpretative diagnosis and precise treatment of skin disease. The arbitrary boundary and small size of acne lesions lead to a significant number of poor-quality proposals in two-stage detection. In this paper, we propose a novel head structure for Region Proposal Network to improve the proposals' quality in two ways. At first, a Spatial Aware Double Head(SADH) structure is proposed to disentangle the representation learning for classification and localization from two different spatial perspectives. The proposed SADH ensures a steeper classification confidence gradient and suppresses the proposals having low intersection-over-union(IoU) with the matched ground truth. Then, we propose a Normalized Wasserstein Distance prediction branch to improve the correlation between the proposals' classification scores and IoUs. In addition, to facilitate further research on acne detection, we construct a new dataset named AcneSCU, with high-resolution imageries, precise annotations, and fine-grained lesion categories. Extensive experiments are conducted on both AcneSCU and the public dataset ACNE04, and the results demonstrate the proposed method could improve the proposals' quality, consistently outperforming state-of-the-art approaches. Code and the collected dataset are available in https://github.com/pingguokiller/acnedetection.
• Abstract（参考訳）: acne検出は皮膚疾患の診断と正確な治療に不可欠である。 acne病変の任意の境界と小ささは、2段階検出において相当数の低品質の提案をもたらす。 本稿では,地域提案ネットワークのための新しいヘッダ構造を提案し,提案手法の品質を2つの方法で改善する。 まず,空間認識ダブルヘッド(SADH)構造を用いて,2つの異なる空間的視点から分類と局所化のための表現学習を行う。 提案したSADHは、より急激な分類信頼度を保証し、一致した基底真理との交叉点(IoU)の低い提案を抑える。 そこで,提案する分類スコアとiousとの相関性を改善するため,正規化wasserstein距離予測ブランチを提案する。 さらに,クレーン検出のさらなる研究を促進するために,高解像度画像,正確なアノテーション,微細な病変分類を含むAcneSCUという新しいデータセットを構築した。 AcneSCUとパブリックデータセットACNE04の両方で大規模な実験を行い、提案手法が提案手法の質を向上し、一貫して最先端のアプローチに勝ることを示した。 コードと収集されたデータセットはhttps://github.com/pingguokiller/acnedetectionで入手できる。

関連論文リスト

• Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
  アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。 我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。 本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T02:06:05Z)
• An AI System for Continuous Knee Osteoarthritis Severity Grading Using Self-Supervised Anomaly Detection with Limited Data [0.30723404270319693]
  本研究は膝OAの自動連続グルーピングのための3段階的アプローチを提案する。 正常度の中心までの距離に基づいて、健康な膝X線の堅牢な表現と疾患の重症度を学ぶ。 提案手法は,OA検出率において最大24%のマージンで既存の技術よりも優れており,疾患重症度スコアはKellgren-Lawrenceグレーティングシステムと人間専門家の成績と同等のレベルで相関している。
  論文  参考訳（メタデータ） (2024-07-16T08:37:33Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Towards Accurate Acne Detection via Decoupled Sequential Detection Head [13.584041730463442]
  新しいデカップリングシーケンス検出ヘッド(DSDH)は、メインストリームの2段階検出器で容易に採用できる。 そこで我々は, 課題系列機構を提案し, オフセットとスケーリングを順次実行し, より包括的にアシネ病変の次元を把握した。 提案手法は最先端の手法よりも有意なマージンで優れる。
  論文  参考訳（メタデータ） (2023-01-28T14:58:51Z)
• Hierarchical Semi-Supervised Contrastive Learning for Contamination-Resistant Anomaly Detection [81.07346419422605]
  異常検出は、通常のデータ分布から逸脱したサンプルを特定することを目的としている。 コントラスト学習は、異常の効果的な識別を可能にする表現のサンプル化に成功している。 汚染耐性異常検出のための新しい階層型半教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-24T18:49:26Z)
• Dynamic Sub-Cluster-Aware Network for Few-Shot Skin Disease Classification [31.539129126161978]
  本稿では,まれな皮膚疾患の診断における精度を高めるためのサブクラスタ・アウェア・ネットワーク(SCAN)という新しいアプローチを提案する。 SCANの設計を動機づける重要な洞察は、クラス内の皮膚疾患の画像が複数のサブクラスタを示すことが多いという観察である。 数発の皮膚疾患分類のための2つのパブリックデータセットに対する提案手法の評価を行った。
  論文  参考訳（メタデータ） (2022-07-03T16:06:04Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Coherence Learning using Keypoint-based Pooling Network for Accurately Assessing Radiographic Knee Osteoarthritis [18.47511520060851]
  膝関節症(英語: Knee osteoarthritis, OA)は、世界中の高齢者に影響を及ぼす一般的な変性関節疾患である。 現在臨床症状のある膝OAグレーティングシステムは観察対象であり、レイター間の相違に悩まされている。 本稿では,複合度と微粒度を同時に評価するためのコンピュータ支援型診断手法を提案する。
  論文  参考訳（メタデータ） (2021-12-16T19:59:13Z)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)
• Out-of-Distribution Detection in Dermatology using Input Perturbation and Subset Scanning [5.674998177844528]
  現在の皮膚疾患モデルでは、異なるハードウェアデバイスや臨床機器からの検査サンプルの誤った推測が可能である。 決定に先立って,これらのOODサンプルを簡易かつ効果的に検出する手法を提案する。
  論文  参考訳（メタデータ） (2021-05-24T09:04:47Z)
• Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
  臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。 まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
  論文  参考訳（メタデータ） (2021-04-02T20:52:05Z)

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。