論文の概要: Data-Driven Deep Supervision for Skin Lesion Classification
- arxiv url: http://arxiv.org/abs/2209.01527v1
- Date: Sun, 4 Sep 2022 03:57:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-07 13:55:27.650715
- Title: Data-Driven Deep Supervision for Skin Lesion Classification
- Title(参考訳): 皮膚病変分類のためのデータ駆動Deep Supervision
- Authors: Suraj Mishra, Yizhe Zhang, Li Zhang, Tianyu Zhang, X. Sharon Hu, Danny
Z. Chen
- Abstract要約: 本稿では,ロバストな特徴抽出のために入力データを利用する新しいディープニューラルネットワークを提案する。
具体的には、畳み込みネットワークの挙動(視野)を分析し、深い監視の場所を見つける。
- 参考スコア(独自算出の注目度): 36.24996525103533
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automatic classification of pigmented, non-pigmented, and depigmented
non-melanocytic skin lesions have garnered lots of attention in recent years.
However, imaging variations in skin texture, lesion shape, depigmentation
contrast, lighting condition, etc. hinder robust feature extraction, affecting
classification accuracy. In this paper, we propose a new deep neural network
that exploits input data for robust feature extraction. Specifically, we
analyze the convolutional network's behavior (field-of-view) to find the
location of deep supervision for improved feature extraction. To achieve this,
first, we perform activation mapping to generate an object mask, highlighting
the input regions most critical for classification output generation. Then the
network layer whose layer-wise effective receptive field matches the
approximated object shape in the object mask is selected as our focus for deep
supervision. Utilizing different types of convolutional feature extractors and
classifiers on three melanoma detection datasets and two vitiligo detection
datasets, we verify the effectiveness of our new method.
- Abstract(参考訳): 近年,色素性,非色素性,脱色素性非メラノサイト性皮膚病変の自動分類が注目されている。
しかし, 肌のテクスチャ, 病変形状, 脱落コントラスト, 照明条件などの画像変化は, 分類精度に影響を及ぼすロバストな特徴抽出を阻害する。
本稿では,入力データを利用してロバストな特徴抽出を行う新しい深層ニューラルネットワークを提案する。
具体的には,畳み込みネットワークの動作(視野)を分析し,特徴抽出の改善のための深い監視の場所を求める。
これを実現するために、私たちはまず、オブジェクトマスクを生成するためのアクティベーションマッピングを行い、分類出力生成に最も重要な入力領域を強調します。
次に、被写体マスクの近似対象形状と層別有効受容場が一致するネットワーク層を、深層監視の焦点として選択する。
3つのメラノーマ検出データセットと2つのヴィチリゴ検出データセットの異なる種類の畳み込み特徴抽出器と分類器を用いて,本手法の有効性を検証する。
関連論文リスト
- 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) - Gradient Mask: Lateral Inhibition Mechanism Improves Performance in
Artificial Neural Networks [5.591477512580285]
バックプロパゲーションにおける雑音勾配を効果的にフィルタするグラディエントマスクを提案する。
これにより、学習した特徴情報をネットワークにより集中的に格納できる。
ニューラルネットワークにおける横方向の抑制が、伝播勾配の品質をいかに改善するかを解析的に示す。
論文 参考訳(メタデータ) (2022-08-14T20:55:50Z) - Towards Intrinsic Common Discriminative Features Learning for Face
Forgery Detection using Adversarial Learning [59.548960057358435]
本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。
我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
論文 参考訳(メタデータ) (2022-07-08T09:23:59Z) - Detecting Melanoma Fairly: Skin Tone Detection and Debiasing for Skin
Lesion Classification [5.71097144710995]
修正された変分オートエンコーダを用いて、ベンチマークとして一般的に使用されるデータセットの皮膚のトーンバイアスを明らかにする。
病変画像の皮膚のトーンを自動的にラベル付けする,効率的かつ効率的なアルゴリズムを提案する。
その後、皮膚のトーンバイアスを軽減するために2つの主要なバイアスアンラーニング技術を使用します。
論文 参考訳(メタデータ) (2022-02-06T18:53:06Z) - Multi-attentional Deepfake Detection [79.80308897734491]
ディープフェイクによる顔の偽造はインターネットに広まり、深刻な社会的懸念を引き起こしている。
新たなマルチアテンテーショナルディープフェイク検出ネットワークを提案する。
具体的には,1)ネットワークを異なる局所的部分へ配置するための複数の空間的注意ヘッド,2)浅い特徴の微妙なアーティファクトをズームするテクスチャ的特徴拡張ブロック,3)低レベルなテクスチャ特徴と高レベルなセマンティクス特徴をアグリゲートする,の3つの構成要素からなる。
論文 参考訳(メタデータ) (2021-03-03T13:56:14Z) - Minimizing false negative rate in melanoma detection and providing
insight into the causes of classification [0.5621251909851629]
私たちの目標は、メラノーマ検出で人間とマシンインテリジェンスを橋渡しすることです。
我々は,視覚前処理,深層学習,アンサンブルを組み合わせた分類システムを開発し,専門家に説明を提供する。
論文 参考訳(メタデータ) (2021-02-18T07:46:34Z) - Leveraging Adaptive Color Augmentation in Convolutional Neural Networks
for Deep Skin Lesion Segmentation [0.0]
データ表現とモデル性能を増幅する適応色拡張手法を提案する。
正常な皮膚組織に対して皮膚病変を識別するためのネットワークによって得られた意味的構造的特徴を質的に同定し,検証した。
論文 参考訳(メタデータ) (2020-10-31T00:16:23Z) - The Effects of Skin Lesion Segmentation on the Performance of
Dermatoscopic Image Classification [3.6516187682800547]
皮膚病変のセグメンテーションマスクの使用が皮膚内視鏡画像分類の性能に及ぼす影響について明らかに検討した。
トレーニングフェーズとテストフェーズの両方で,手動であるいは自動でセグメンテーションマスクを作成しました。
その結果, セグメンテーションマスクを用いた場合, いずれのシナリオにおいてもMM分類性能は有意に向上しなかった。
論文 参考訳(メタデータ) (2020-08-28T12:17:25Z) - Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。
人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。
実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
論文 参考訳(メタデータ) (2020-05-15T23:57:36Z) - 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。