論文の概要: A Comparative Analysis of Transfer Learning-based Techniques for the
Classification of Melanocytic Nevi
- arxiv url: http://arxiv.org/abs/2211.10972v1
- Date: Sun, 20 Nov 2022 12:55:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-22 17:25:44.711639
- Title: A Comparative Analysis of Transfer Learning-based Techniques for the
Classification of Melanocytic Nevi
- Title(参考訳): メラノサイトティックネビ分類のためのトランスファー学習に基づく手法の比較分析
- Authors: Sanya Sinha and Nilay Gupta
- Abstract要約: 皮膚細胞中の脱オキシリボ核酸 (DNA) は皮膚に遺伝的欠陥を生じ、皮膚がんを引き起こす。
病変特異的基準を用いて良性皮膚癌と悪性黒色腫を鑑別する。
5つのトランスファーラーニングに基づく技術は、メラノサイトネビの分類に活用される可能性がある。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Skin cancer is a fatal manifestation of cancer. Unrepaired deoxyribo-nucleic
acid (DNA) in skin cells, causes genetic defects in the skin and leads to skin
cancer. To deal with lethal mortality rates coupled with skyrocketing costs of
medical treatment, early diagnosis is mandatory. To tackle these challenges,
researchers have developed a variety of rapid detection tools for skin cancer.
Lesion-specific criteria are utilized to distinguish benign skin cancer from
malignant melanoma. In this study, a comparative analysis has been performed on
five Transfer Learning-based techniques that have the potential to be leveraged
for the classification of melanocytic nevi. These techniques are based on deep
convolutional neural networks (DCNNs) that have been pre-trained on thousands
of open-source images and are used for day-to-day classification tasks in many
instances.
- Abstract(参考訳): 皮膚がんは致命的ながんの徴候である。
皮膚細胞中の脱オキシリボ核酸 (DNA) は皮膚に遺伝的欠陥を生じ、皮膚がんを引き起こす。
医療費の急上昇に伴う致命的な死亡率に対処するには,早期診断が必要である。
これらの課題に対処するため、研究者は皮膚がんの迅速検出ツールを開発した。
病変特異的基準を用いて良性皮膚癌と悪性黒色腫を区別する。
本研究では,メラノサイトティックネビの分類に活用できる5つのトランスファー学習に基づく手法について比較分析を行った。
これらのテクニックは、数千のオープンソースイメージで事前トレーニングされた深層畳み込みニューラルネットワーク(dcnn)に基づいており、多くのインスタンスで日々の分類タスクに使用されている。
関連論文リスト
- Skin Cancer Images Classification using Transfer Learning Techniques [0.0]
良性期における皮膚癌の早期診断は、がん死亡率の低下に重要である。
これまで,様々な深層学習モデルを用いた皮膚癌診断の課題に対処してきた。
本研究は, 良性および悪性期における皮膚癌検出のバイナリ分類に, 5種類の事前学習型トランスファーラーニングアプローチを適用した。
論文 参考訳(メタデータ) (2024-06-18T15:48:20Z) - Diagnosis of Skin Cancer Using VGG16 and VGG19 Based Transfer Learning Models [0.6827423171182154]
ディープ畳み込みニューラルネットワーク(CNN)は、データと画像の分類に優れた可能性を示している。
本稿では,CNNを用いた皮膚病変分類問題について検討する。
本研究では, 転写学習の枠組みを適切に設計し, 適用することにより, 病変検出の顕著な分類精度を得ることができることを示す。
論文 参考訳(メタデータ) (2024-04-01T15:06:20Z) - 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) - Artificial-intelligence-based molecular classification of diffuse
gliomas using rapid, label-free optical imaging [59.79875531898648]
DeepGliomaは人工知能に基づく診断スクリーニングシステムである。
ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
論文 参考訳(メタデータ) (2023-03-23T18:50:18Z) - Machine Learning Methods for Cancer Classification Using Gene Expression
Data: A Review [77.34726150561087]
がんは心臓血管疾患の2番目の死因である。
遺伝子発現は癌の早期発見において基本的な役割を担っている。
本研究は,機械学習を用いた癌分類における遺伝子発現解析の最近の進歩を概説する。
論文 参考訳(メタデータ) (2023-01-28T15:03:03Z) - Classification of Melanocytic Nevus Images using BigTransfer (BiT) [0.0]
メラノーマ性ネビは成熟し、致命的な黒色腫を引き起こす。
現在の管理プロトコルでは、脅迫的に見えるネビを除去する。
早期診断はメラノサイトネビ分類のための信頼性の高い自動化システムを必要とする。
論文 参考訳(メタデータ) (2022-11-21T21:53:43Z) - 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) - Long-Tailed Classification of Thorax Diseases on Chest X-Ray: A New
Benchmark Study [75.05049024176584]
胸部X線上の胸部疾患の特定領域における長期学習問題についてベンチマーク研究を行った。
我々は,自然に分布する胸部X線データから学ぶことに集中し,一般的な「頭部」クラスだけでなく,稀ながら重要な「尾」クラスよりも分類精度を最適化する。
このベンチマークは、19と20の胸郭疾患分類のための2つの胸部X線データセットで構成され、53,000のクラスと7のラベル付きトレーニング画像を含む。
論文 参考訳(メタデータ) (2022-08-29T04:34:15Z) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳(メタデータ) (2021-05-20T18:13:58Z) - 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。