Fugu-MT 論文翻訳(概要): Extended Feature Space-Based Automatic Melanoma Detection System

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

Towards Fairness in AI for Melanoma Detection: Systemic Review and Recommendations [0.0]
本研究は,2013年から2024年にかけて発行されたAIによるメラノーマ検出研究の体系的レビューと予備的分析を行う。以上の結果から,AIはメラノーマの検出を増強するが,皮膚の色調の軽さには有意な偏りがあることが示唆された。この研究は、すべての患者に公平で効果的なAIモデルを開発するために、多様なデータセットと堅牢な評価指標の必要性を強調している。
論文参考訳（メタデータ） (2024-11-19T20:31:38Z)
Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
乳がん治療計画において、グレーディングは重要な役割を担っている。現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
論文参考訳（メタデータ） (2024-05-13T15:48:26Z)
Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
論文参考訳（メタデータ） (2024-05-13T15:40:56Z)
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)
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)
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)

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。