論文の概要: A Comprehensive Evaluation Study on Risk Level Classification of
Melanoma by Computer Vision on ISIC 2016-2020 Datasets
- arxiv url: http://arxiv.org/abs/2302.09528v1
- Date: Sun, 19 Feb 2023 09:58:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 17:59:50.513416
- Title: A Comprehensive Evaluation Study on Risk Level Classification of
Melanoma by Computer Vision on ISIC 2016-2020 Datasets
- Title(参考訳): ISIC 2016-2020データセットを用いたコンピュータビジョンによるメラノーマのリスクレベル分類に関する総合的評価
- Authors: Chengdong Yao
- Abstract要約: メラノーマは皮膚がんの75%の死因である。
メラノーマの検出は何百万人もの人に良い影響を与える可能性がある。
ISICアーカイブは皮膚病変の皮膚内視鏡像の収集で最大である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Skin cancer is the most common type of cancer. Specifically, melanoma is the
cause of 75% of skin cancer deaths, although it is the least common skin
cancer. Better detection of melanoma could have a positive impact on millions
of people. The ISIC archive contains the largest publicly available collection
of dermatoscopic images of skin lesions. In this research, we investigate the
efficacy of applying advanced deep learning techniques in computer vision to
identify melanoma in images of skin lesions. Through reviewing previous
methods, including pre-trained models, deep-learning classifiers, transfer
learning, etc., we demonstrate the applicability of the popular deep learning
methods on critical clinical problems such as identifying melanoma. Finally, we
proposed a processing flow with a validation AUC greater than 94% and a
sensitivity greater than 90% on ISIC 2016 - 2020 datasets.
- Abstract(参考訳): 皮膚がんは最も一般的な種類のがんである。
特にメラノーマは皮膚がん死の75%の原因であるが、最も一般的な皮膚がんである。
メラノーマの検出は何百万人もの人に良い影響を与える可能性がある。
ISICアーカイブには皮膚病変の皮膚内視鏡像のコレクションが最大である。
本研究では,コンピュータビジョンに高度な深層学習技術を適用し,皮膚病変の画像におけるメラノーマの同定の有効性を検討した。
先行訓練モデル,深層学習分類器,移動学習などを含む過去の手法の見直しを通じて,メラノーマの同定などの臨床的問題に対する一般的な深層学習法の適用性を示す。
最後に,isic 2016 - 2020データセットにおいて,バリデーションaucが94%以上,感度が90%以上の処理フローを提案する。
関連論文リスト
- 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) - Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep
Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。
金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。
本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
論文 参考訳(メタデータ) (2023-04-12T15:08:34Z) - A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer
Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。
Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
論文 参考訳(メタデータ) (2023-04-12T05:41:44Z) - 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) - 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) - 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) - 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) - A Smartphone based Application for Skin Cancer Classification Using Deep
Learning with Clinical Images and Lesion Information [1.8199326045904993]
ディープニューラルネットワーク(DNN)は皮膚がんの検出に有効である。
本研究では,スマートフォンを用いた皮膚がん検出支援アプリケーションを提案する。
論文 参考訳(メタデータ) (2021-04-28T16:51:00Z) - CancerNet-SCa: Tailored Deep Neural Network Designs for Detection of
Skin Cancer from Dermoscopy Images [71.68436132514542]
皮膚がんはアメリカ合衆国で最も頻繁に診断されるがんである。
本研究では,皮膚内視鏡画像から皮膚がんを検出するための深層神経回路の設計手法である CancerNet-SCa について紹介する。
論文 参考訳(メタデータ) (2020-11-21T02:17:59Z) - 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) - AI outperformed every dermatologist: Improved dermoscopic melanoma
diagnosis through customizing batch logic and loss function in an optimized
Deep CNN architecture [2.572959153453185]
本研究では,メラノーマを二項分類問題として検出することを目的としたディープ畳み込みニューラルネットワークを用いた手法を提案する。
これには3つの重要な機能、すなわち、カスタマイズされたバッチロジック、カスタマイズされた損失関数、完全に接続されたレイヤが含まれる。
このモデルは157人の皮膚科医に優れ、AUCでは94.4%、感度は85.0%、特異度は95.0%であった。
論文 参考訳(メタデータ) (2020-03-05T13:19:13Z)
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。