論文の概要: Efficient Out-of-Distribution Detection of Melanoma with Wavelet-based
Normalizing Flows
- arxiv url: http://arxiv.org/abs/2208.04639v2
- Date: Wed, 10 Aug 2022 12:43:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-11 10:46:55.646333
- Title: Efficient Out-of-Distribution Detection of Melanoma with Wavelet-based
Normalizing Flows
- Title(参考訳): ウェーブレットに基づく正規化流を伴う黒色腫の効率的な分布外検出
- Authors: M.M. Amaan Valiuddin, Christiaan G.A. Viviers, Ruud J.G. van Sloun,
Peter H.N. de With and Fons van der Sommen
- Abstract要約: メラノーマは皮膚がんの重篤な形態であり、後期の死亡率が高い。
データセットは非常に不均衡であり、最先端の教師付きAIモデルのトレーニングを複雑にします。
本稿では, 生成モデルを用いて良性データ分布を学習し, 密度推定による悪性画像の検出を提案する。
- 参考スコア(独自算出の注目度): 22.335623464185105
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Melanoma is a serious form of skin cancer with high mortality rate at later
stages. Fortunately, when detected early, the prognosis of melanoma is
promising and malignant melanoma incidence rates are relatively low. As a
result, datasets are heavily imbalanced which complicates training current
state-of-the-art supervised classification AI models. We propose to use
generative models to learn the benign data distribution and detect
Out-of-Distribution (OOD) malignant images through density estimation.
Normalizing Flows (NFs) are ideal candidates for OOD detection due to their
ability to compute exact likelihoods. Nevertheless, their inductive biases
towards apparent graphical features rather than semantic context hamper
accurate OOD detection. In this work, we aim at using these biases with
domain-level knowledge of melanoma, to improve likelihood-based OOD detection
of malignant images. Our encouraging results demonstrate potential for OOD
detection of melanoma using NFs. We achieve a 9% increase in Area Under Curve
of the Receiver Operating Characteristics by using wavelet-based NFs. This
model requires significantly less parameters for inference making it more
applicable on edge devices. The proposed methodology can aid medical experts
with diagnosis of skin-cancer patients and continuously increase survival
rates. Furthermore, this research paves the way for other areas in oncology
with similar data imbalance issues.
- Abstract(参考訳): メラノーマは皮膚がんの重篤な形態であり、後期に死亡率が高い。
早期発見時には悪性黒色腫の予後が良好であり,悪性黒色腫の発生率も比較的低い。
その結果、データセットは極めて不均衡であり、最先端の教師付きAIモデルのトレーニングが複雑になる。
本稿では, 生成モデルを用いて良性データ分布を学習し, 密度推定による悪性画像の検出を提案する。
正規化フロー(英: normalizing flow, nfs)は、正確な可能性を計算する能力があるため、ood検出の理想的な候補である。
それでも、意味的文脈よりも視覚的特徴に対する帰納的バイアスは、正確なOOD検出を妨げる。
本研究ではメラノーマの領域レベルの知識を用いてこれらのバイアスを用いて悪性画像のOOD検出の可能性を改善することを目的とする。
NFsを用いた悪性黒色腫のOOD検出の可能性を示した。
我々はwaveletベースのnfsを用いて受信機動作特性の曲線下領域を9%増加させる。
このモデルは、エッジデバイスにもっと適用できるように、推論のパラメータを著しく少なくする。
提案手法は,皮膚がん患者の診断に役立ち,生存率を継続的に向上させる。
さらに本研究は、同様のデータ不均衡問題を持つ腫瘍学の他の分野への道を開くものである。
関連論文リスト
- Penalized Deep Partially Linear Cox Models with Application to CT Scans
of Lung Cancer Patients [42.09584755334577]
肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。
NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。
本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
論文 参考訳(メタデータ) (2023-03-09T15:38:16Z) - Detection and Localization of Melanoma Skin Cancer in Histopathological
Whole Slide Images [1.0962389869127878]
皮膚がんの発生が予想される増加と皮膚病理学者の足跡は、計算病理学(CPATH)システムの必要性を強調している。
本論文は,WSI(Whole Slide Images)における悪性黒色腫の検出と正常皮膚と良性悪性黒色腫病変の鑑別のためのDL法を提案する。
本手法は, 病変を高精度に検出し, 病理医の関心領域を特定するためにWSI上に局在する。
論文 参考訳(メタデータ) (2023-02-06T18:54:14Z) - Energy-based Out-of-Distribution Detection for Graph Neural Networks [76.0242218180483]
我々は,GNNSafeと呼ばれるグラフ上での学習のための,シンプルで強力で効率的なOOD検出モデルを提案する。
GNNSafeは、最先端技術に対するAUROCの改善を最大17.0%で達成しており、そのような未開発領域では単純だが強力なベースラインとして機能する可能性がある。
論文 参考訳(メタデータ) (2023-02-06T16:38:43Z) - Melanoma Skin Cancer and Nevus Mole Classification using Intensity Value
Estimation with Convolutional Neural Network [0.0]
メラノーマ皮膚がんは最も危険で致命的ながんの一つである。
紫外線への曝露は皮膚細胞のDNAを損傷し、メラノーマ皮膚がんを引き起こす。
未熟期の悪性黒色腫とnevus moleの検出・分類は困難である。
論文 参考訳(メタデータ) (2022-09-30T13:35:24Z) - DeepTechnome: Mitigating Unknown Bias in Deep Learning Based Assessment
of CT Images [44.62475518267084]
私たちは、未知のバイアスに対するトレーニング中にディープラーニングモデルをデバイアスします。
制御領域は、バイアスに関する情報を伝達する代理として使用します。
強いバイアスを示すデータから学習する手法を応用し、対応する偏りのないデータを用いたトレーニングで観測された分類性能をほぼ完全に回復する。
論文 参考訳(メタデータ) (2022-05-26T12:18:48Z) - Visualizing CoAtNet Predictions for Aiding Melanoma Detection [0.0]
本稿では,CoAtNetアーキテクチャを用いたマルチクラス分類タスクを提案する。
全体的な精度は0.901, 0.895, AP 0.923で、他の最先端ネットワークと比較して高い性能を示している。
論文 参考訳(メタデータ) (2022-05-21T06:41:52Z) - Multiple EffNet/ResNet Architectures for Melanoma Classification [3.047409448159345]
メラノーマは最も悪性の皮膚腫瘍であり、通常は正常なモルから発生する。
EffNetとResnetに基づくメラノーマ分類モデルを提案する。
当モデルでは, 同一患者の画像だけでなく, 患者レベルの文脈情報も活用し, がんの予測精度の向上を図る。
論文 参考訳(メタデータ) (2022-04-21T14:46:55Z) - 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 Clinically Inspired Approach for Melanoma classification [3.2188961353850187]
メラノーマは皮膚がんによる死因の1つである。
メラノーマの診断における最近のアプローチはパターン認識か分析的認識である。
実際には、外れ値が検出され、ネビ/レセオンを評価するために使用される差分アプローチである。
論文 参考訳(メタデータ) (2021-06-15T10:12:24Z) - 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) - 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)
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。