論文の概要: Deep-learning models in medical image analysis: Detection of esophagitis
from the Kvasir Dataset
- arxiv url: http://arxiv.org/abs/2301.02390v1
- Date: Fri, 6 Jan 2023 05:53:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-10 00:09:21.667450
- Title: Deep-learning models in medical image analysis: Detection of esophagitis
from the Kvasir Dataset
- Title（参考訳）: 医用画像解析における深層学習モデル:Kvasirデータセットによる食道炎の検出
- Authors: Kyoka Yoshiok, Kensuke Tanioka, Satoru Hiwa and Tomoyuki Hiroyasu
- Abstract要約: 食道炎の早期発見は,未治療で癌に進展する可能性があるため重要である。
本研究は, 内視鏡画像のオープンKvasirデータセットから食道炎を検出するための畳み込みニューラルネットワークモデルの精度を比較することを目的とした。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Early detection of esophagitis is important because this condition can
progress to cancer if left untreated. However, the accuracies of different deep
learning models in detecting esophagitis have yet to be compared. Thus, this
study aimed to compare the accuracies of convolutional neural network models
(GoogLeNet, ResNet-50, MobileNet V2, and MobileNet V3) in detecting esophagitis
from the open Kvasir dataset of endoscopic images. Results showed that among
the models, GoogLeNet achieved the highest F1-scores. Based on the average of
true positive rate, MobileNet V3 predicted esophagitis more confidently than
the other models. The results obtained using the models were also compared with
those obtained using SHapley Additive exPlanations and Gradient-weighted Class
Activation Mapping.
- Abstract（参考訳）: 食道炎の早期発見は,非治療で癌に進行する可能性があるため重要である。
しかし,食道炎検出における深層学習モデルの精度は,まだ比較されていない。
そこで本研究では,結膜型ニューラルネットワークモデル(googlenet,resnet-50,mobilenet v2,mobilenet v3)の内視鏡画像のオープンkvasirデータセットからの食道炎検出における精度を比較することを目的とした。
その結果,GoogLeNetはF1スコアが最も高かった。
MobileNet V3は、真の陽性率の平均に基づいて、他のモデルよりも確実に食道炎を予測した。
モデルを用いて得られた結果は、SHapley Additive exPlanations と Gradient-weighted Class Activation Mapping を用いた結果と比較した。
関連論文リスト
- Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。
本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文 参考訳（メタデータ） (2024-09-29T07:04:26Z) - Comparative Performance Analysis of Transformer-Based Pre-Trained Models for Detecting Keratoconus Disease [0.0]
本研究は、変性眼疾患である角膜症(keratoconus)の診断のために、訓練済みの8つのCNNを比較した。
MobileNetV2は角膜と正常な症例を誤分類の少ない場合に最も正確なモデルであった。
論文 参考訳（メタデータ） (2024-08-16T20:15:24Z) - Enhancing Skin Disease Classification Leveraging Transformer-based Deep Learning Architectures and Explainable AI [2.3149142745203326]
皮膚疾患は世界の人口の3分の1以上に影響を与えるが、その影響は過小評価されることが多い。
深層学習技術は皮膚疾患の特定を含む様々なタスクに多くの可能性を示してきた。
この研究では、31のクラスを持つ皮膚疾患データセットを使用し、Vision Transformers、Swin Transformers、DivoV2のすべてのバージョンと比較した。
論文 参考訳（メタデータ） (2024-07-20T05:38:00Z) - Analysis of Modern Computer Vision Models for Blood Cell Classification [49.1574468325115]
この研究では、MaxVit、EfficientVit、EfficientNet、EfficientNetV2、MobileNetV3といった最先端アーキテクチャを使用して、迅速かつ正確な結果を得る。
本手法は,従来の手法の速度と精度の懸念に対処するだけでなく,血液学的解析における革新的な深層学習モデルの適用性についても検討する。
論文 参考訳（メタデータ） (2024-06-30T16:49:29Z) - Unleashing Modified Deep Learning Models in Efficient COVID19 Detection [0.0]
新型コロナウイルスの感染拡大に伴い、世界的な人口に影響を及ぼしている。
近年のDeep Learningのブレークスルーは、精度と迅速な検出のためのツールとして、COVID19の予測と予測を改善する可能性がある。
最も正確なモデルはMobileNet V3 (97.872%)、DenseNet201 (97.5677%)、GoogleNet Inception V1 (97.643%)である。
論文 参考訳（メタデータ） (2023-10-21T18:24:23Z) - A Comparative Study of Filters and Deep Learning Models to predict
Diabetic Retinopathy [0.0]
本研究では,インセプションNetV3を含む様々なディープラーニングモデルの結果を比較し,様々な画像フィルタを用いた。
本研究の目的は糖尿病関連失明の主な原因である糖尿病網膜症(DR)の診断過程を改善することである。
論文 参考訳（メタデータ） (2023-09-26T19:21:09Z) - Comparison of Deep Learning and Machine Learning Models and Frameworks
for Skin Lesion Classification [0.0]
機械学習とディープラーニングを使って皮膚がんの分類を行うと、アクセシビリティが向上し、従来の病変検出プロセスにおける不快な手順が軽減される。
本稿では、一般的な皮膚病変のベンチマークHAM10000データセットを用いて、2つのモデルをテストする。
資源制約のある移動環境において,皮膚病変診断のための異なるフレームワーク上での深層学習モデルと同一の深層学習モデルの比較は,これまで行われなかった。
論文 参考訳（メタデータ） (2022-07-26T08:07:33Z) - Deep neural networks approach to microbial colony detection -- a
comparative analysis [52.77024349608834]
本稿では,AGARデータセットを用いた3つの深層学習手法の性能について検討する。
得られた結果は将来の実験のベンチマークとして機能するかもしれない。
論文 参考訳（メタデータ） (2021-08-23T12:06:00Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳（メタデータ） (2021-06-25T20:09:23Z) - Automated Model Design and Benchmarking of 3D Deep Learning Models for
COVID-19 Detection with Chest CT Scans [72.04652116817238]
3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。
また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
論文 参考訳（メタデータ） (2021-01-14T03:45:01Z) - From Sound Representation to Model Robustness [82.21746840893658]
本研究では, 環境音の標準的な表現(スペクトログラム)が, 被害者の残差畳み込みニューラルネットワークの認識性能と対角攻撃性に与える影響について検討する。
3つの環境音響データセットの様々な実験から、ResNet-18モデルは、他のディープラーニングアーキテクチャ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） (2020-07-27T17:30:49Z)
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。