論文の概要: Extended Feature Space-Based Automatic Melanoma Detection System
- arxiv url: http://arxiv.org/abs/2209.04588v1
- Date: Sat, 10 Sep 2022 04:15:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-13 13:31:06.475641
- Title: Extended Feature Space-Based Automatic Melanoma Detection System
- Title(参考訳): 拡張特徴空間に基づく自動メラノーマ検出システム
- Authors: Shakti Kumar, Anuj Kumar
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 9.165013127586267
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Melanoma is the deadliest form of skin cancer. Uncontrollable growth of
melanocytes leads to melanoma. Melanoma has been growing wildly in the last few
decades. In recent years, the detection of melanoma using image processing
techniques has become a dominant research field. The Automatic Melanoma
Detection System (AMDS) helps to detect melanoma based on image processing
techniques by accepting infected skin area images as input. A single lesion
image is a source of multiple features. Therefore, It is crucial to select the
appropriate features from the image of the lesion in order to increase the
accuracy of AMDS. For melanoma detection, all extracted features are not
important. Some of the extracted features are complex and require more
computation tasks, which impacts the classification accuracy of AMDS. The
feature extraction phase of AMDS exhibits more variability, therefore it is
important to study the behaviour of AMDS using individual and extended feature
extraction approaches. A novel algorithm ExtFvAMDS is proposed for the
calculation of Extended Feature Vector Space. The six models proposed in the
comparative study revealed that the HSV feature vector space for automatic
detection of melanoma using Ensemble Bagged Tree classifier on Med-Node Dataset
provided 99% AUC, 95.30% accuracy, 94.23% sensitivity, and 96.96% specificity.
- Abstract(参考訳): メラノーマは皮膚がんの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を引き起こす。
メラノーマはここ数十年で大きく成長しています。
近年,画像処理技術による黒色腫の検出が主流となっている。
自動メラノーマ検出システム(AMDS)は、感染した皮膚領域の画像を入力として受け入れることで、画像処理技術に基づいてメラノーマを検出する。
単一の病変像は複数の特徴の源である。
したがって,AMDSの精度を高めるためには,病変の画像から適切な特徴を選択することが重要である。
メラノーマの検出では、抽出された全ての特徴は重要ではない。
抽出された特徴のいくつかは複雑であり、より多くの計算タスクを必要とし、AMDSの分類精度に影響を与える。
amdの特徴抽出相は, 個々の特徴抽出法および拡張特徴抽出法を用いてamdの挙動を調べることが重要である。
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。
比較研究で提案された6つのモデルでは、Med-Node Dataset上のEnsemble Bagged Tree分類器を用いたメラノーマの自動検出のためのHSV特徴ベクトル空間が99%のAUC、95.30%の精度、94.23%の感度、96.96%の特異性を示した。
関連論文リスト
- A Comparative Analysis Towards Melanoma Classification Using Transfer
Learning by Analyzing Dermoscopic Images [0.0]
本稿では,皮膚病変の分類と診断を可能にするために,深層学習技術と確立された転写学習手法を組み合わせたシステムを提案する。
研究者たちは'Deep Learning'テクニックを使って、膨大な数の写真を訓練し、基本的には期待される結果を得る。
DenseNetは、96.64%のバリデーション精度、9.43%のバリデーション損失、99.63%のテストセット精度など、他のものよりも優れていた。
論文 参考訳(メタデータ) (2023-12-02T19:46:48Z) - Double-Condensing Attention Condenser: Leveraging Attention in Deep
Learning to Detect Skin Cancer from Skin Lesion Images [65.83291923029985]
皮膚がんはアメリカ合衆国で最も一般的な種類のがんであり、5人に1人のアメリカ人に影響を与えると推定されている。
近年の進歩は,SIIM-ISICメラノーマ分類チャレンジのアートパフォーマンスの状況から,皮膚がん検出に強い効果を示している。
本稿では,皮膚病変画像の皮膚癌検出に効率的な自己注意構造を活用し,皮膚病変画像からの皮膚癌検出をカスタマイズしたDC-ACを用いたディープニューラルネットワーク設計を提案する。
論文 参考訳(メタデータ) (2023-11-20T10:45:39Z) - Application of Machine Learning in Melanoma Detection and the
Identification of 'Ugly Duckling' and Suspicious Naevi: A Review [0.45545745874600063]
メラノーマをモニターする際、「Ugly Duckling Naevus」が登場し、特徴的な特徴を持つ病変を指す。
コンピュータ支援診断 (CAD) は, 研究開発において重要な役割を担っている。
本稿では,メラノーマと疑わしいナエビを検出するための最新の機械学習およびディープラーニングアルゴリズムについて概説する。
論文 参考訳(メタデータ) (2023-09-01T05:50:47Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳(メタデータ) (2023-01-19T11:37:20Z) - 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) - Towards Better Dermoscopic Image Feature Representation Learning for
Melanoma Classification [25.525492490284293]
皮膚内視鏡画像を用いた深層学習によるメラノーマ分類は,近年,早期メラノーマの自動診断において大きな可能性を秘めている。
本研究では, 病変の特徴の表現学習を改善するために, それぞれ課題を解決しようと試みる。
具体的には、GANベースのデータ拡張(GDA)戦略を用いて、提案した暗黙のヘアデノイング(IHD)戦略とともに、合成メラノーマ陽性画像を生成する。
IHDモジュールをトレーニングするために、毛髪ノイズはISIC 2020データセットにラベル付けされ、毛髪のようなアーティファクトのアノテーションを付加した最初の大規模な皮膚内視鏡データセットとなる。
論文 参考訳(メタデータ) (2022-07-15T06:07:11Z) - Skin Cancer Diagnostics with an All-Inclusive Smartphone Application [2.840144824279212]
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。
論文 参考訳(メタデータ) (2022-05-25T02:02:08Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳(メタデータ) (2022-02-27T02:19:09Z) - 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) - Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo
Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。
我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文 参考訳(メタデータ) (2020-07-02T12:00:53Z) - 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。