論文の概要: Classification of Melanocytic Nevus Images using BigTransfer (BiT)

• arxiv url: http://arxiv.org/abs/2211.11872v1
• Date: Mon, 21 Nov 2022 21:53:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 17:28:12.245250
• Title: Classification of Melanocytic Nevus Images using BigTransfer (BiT)
• Title（参考訳）: BigTransfer (BiT) を用いたメラノサイトネバス画像の分類
• Authors: Sanya Sinha and Nilay Gupta
• Abstract要約: 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。
• 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 disease that takes a heavy toll over human lives annually. The colored skin images show a significant degree of resemblance between different skin lesions such as melanoma and nevus, making identification and diagnosis more challenging. Melanocytic nevi may mature to cause fatal melanoma. Therefore, the current management protocol involves the removal of those nevi that appear intimidating. However, this necessitates resilient classification paradigms for classifying benign and malignant melanocytic nevi. Early diagnosis necessitates a dependable automated system for melanocytic nevi classification to render diagnosis efficient, timely, and successful. An automated classification algorithm is proposed in the given research. A neural network previously-trained on a separate problem statement is leveraged in this technique for classifying melanocytic nevus images. The suggested method uses BigTransfer (BiT), a ResNet-based transfer learning approach for classifying melanocytic nevi as malignant or benign. The results obtained are compared to that of current techniques, and the new method's classification rate is proven to outperform that of existing methods.
• Abstract（参考訳）: 皮膚がんは致命的な疾患であり、毎年人命に多大な負担がかかる。 色付き皮膚画像はメラノーマやネバスなどの異なる皮膚病変と有意な類似性を示し,鑑別と診断が困難である。 メラノーマは成熟し、悪性黒色腫を引き起こす。 したがって、現在の管理プロトコルは、脅迫的に見えるneviを削除することを含む。 しかし、良性・悪性黒色腫の分類にはレジリエントな分類パラダイムが必要である。 早期診断は、診断を効率的かつタイムリーに、かつ成功させるために、メラノサイトーシス nevi分類の信頼できる自動化システムを必要としている。 与えられた研究において自動分類アルゴリズムを提案する。 この技術では、別の問題ステートメントに基づいて予めトレーニングされたニューラルネットワークを利用してメラノサイトネバス画像の分類を行う。 提案手法では,resnetを用いた転移学習手法であるbig transfer (bit) を用いてメラノサイトーネビを悪性または良性に分類する。 その結果,現在の手法と比較し,新しい手法の分類精度が既存の手法よりも優れていることが証明された。

関連論文リスト

• 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)
• 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)
• 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)
• 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)
• A Comparative Analysis of Transfer Learning-based Techniques for the Classification of Melanocytic Nevi [0.0]
  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。
  論文  参考訳（メタデータ） (2022-11-20T12:55:42Z)
• Multi-Scale Input Strategies for Medulloblastoma Tumor Classification using Deep Transfer Learning [59.30734371401316]
  乳腺芽腫は小児で最も多い悪性脳腫瘍である。 CNNはMBサブタイプ分類に有望な結果を示した。 タイルサイズと入力戦略の影響について検討した。
  論文  参考訳（メタデータ） (2021-09-14T09:42:37Z)
• Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
  本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
  論文  参考訳（メタデータ） (2021-09-10T13:07:11Z)
• Melatect: A Machine Learning Model Approach For Identifying Malignant Melanoma in Skin Growths [0.0]
  悪性黒色腫(英: Malignant melanoma)は、転移前に悪性黒色腫が元の部位から離れた臓器で発生する一般的な皮膚がんである。 本稿では悪性黒色腫を同定する機械学習モデルであるMelatectを提案する。
  論文  参考訳（メタデータ） (2021-09-07T20:05:08Z)
• Triplet Contrastive Learning for Brain Tumor Classification [99.07846518148494]
  本稿では,脳腫瘍の深層埋め込みを直接学習する手法を提案する。 本手法は,27種類の腫瘍群からなる広範囲な脳腫瘍データセットを用いて評価し,そのうち13種は稀である。
  論文  参考訳（メタデータ） (2021-08-08T11:26:34Z)
• 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。