論文の概要: Generative Adversarial Network for Personalized Art Therapy in Melanoma
Disease Management
- arxiv url: http://arxiv.org/abs/2303.09232v2
- Date: Mon, 20 Mar 2023 08:25:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-21 11:29:11.134572
- Title: Generative Adversarial Network for Personalized Art Therapy in Melanoma
Disease Management
- Title(参考訳): 悪性黒色腫に対するパーソナライズド・アーツ治療のためのジェネレーティブ・アドバイサル・ネットワーク
- Authors: Lennart J\"utte, Ning Wang, Bernhard Roth
- Abstract要約: メラノーマは最も致命的な皮膚がんである。
治療を受けながら患者のメンタルヘルスを維持することが重要である。
現在の治療法は個人的ではなく、患者特有のものである。
- 参考スコア(独自算出の注目度): 5.893351309010412
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Melanoma is the most lethal type of skin cancer. Patients are vulnerable to
mental health illnesses which can reduce the effectiveness of the cancer
treatment and the patients adherence to drug plans. It is crucial to preserve
the mental health of patients while they are receiving treatment. However,
current art therapy approaches are not personal and unique to the patient. We
aim to provide a well-trained image style transfer model that can quickly
generate unique art from personal dermoscopic melanoma images as an additional
tool for art therapy in disease management of melanoma. Visual art appreciation
as a common form of art therapy in disease management that measurably reduces
the degree of psychological distress. We developed a network based on the
cycle-consistent generative adversarial network for style transfer that
generates personalized and unique artworks from dermoscopic melanoma images. We
developed a model that converts melanoma images into unique flower-themed
artworks that relate to the shape of the lesion and are therefore personal to
the patient. Further, we altered the initial framework and made comparisons and
evaluations of the results. With this, we increased the options in the toolbox
for art therapy in disease management of melanoma. The development of an
easy-to-use user interface ensures the availability of the approach to
stakeholders. The transformation of melanoma into flower-themed artworks is
achieved by the proposed model and the graphical user interface. This
contribution opens a new field of GANs in art therapy and could lead to more
personalized disease management.
- Abstract(参考訳): メラノーマは最も致命的な皮膚がんである。
患者は精神疾患に弱いため、がん治療の有効性と薬物計画への順守を低下させることができる。
患者が治療を受ける間、患者の精神的健康を維持することが重要である。
しかし、現在の治療法は個人的ではなく、患者特有のものである。
悪性黒色腫の病態管理における新たな治療ツールとして,個人皮膚内視鏡画像から一意のアートを迅速に生成できる,よく訓練された画像スタイルの転写モデルの提供を目標とする。
疾患管理におけるアートセラピーの一般的な形態としての視覚芸術の鑑賞は、心理的苦痛の程度を測定できる。
そこで我々は,皮膚黒色腫画像からパーソナライズされたユニークなアートワークを生成するスタイル転送のための,サイクル一貫性のある生成対向ネットワークを構築した。
そこで我々は,メラノーマ像を,病変の形状に関連する独特の花柄に変換するモデルを開発し,患者にパーソナライズした。
さらに,初期枠組みを変更し,結果の比較評価を行った。
そこで我々は,メラノーマの疾患管理における治療ツールボックスの選択肢を増やした。
使いやすいユーザインターフェースの開発は、ステークホルダへのアプローチの可用性を保証する。
花をテーマとしたアートワークへのメラノーマの変換は,提案モデルとグラフィカルユーザインタフェースによって実現されている。
この貢献により、芸術療法の新たな分野が開かれ、よりパーソナライズされた疾患管理につながる可能性がある。
関連論文リスト
- A Multimodal Approach to The Detection and Classification of Skin Diseases [0.5755004576310334]
多くの疾患は、皮膚に多くの身体症状があるとしても、未診断で未治療のまま残されている。
AIの台頭により、自己診断と疾患認識の改善がこれまで以上に有望になった。
本研究は、皮膚疾患分類のための画像およびテキストを介して、容易に利用でき、容易にアクセス可能な患者情報を含む。
論文 参考訳(メタデータ) (2024-11-21T05:27:42Z) - 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) - DDI-CoCo: A Dataset For Understanding The Effect Of Color Contrast In
Machine-Assisted Skin Disease Detection [51.92255321684027]
皮膚のトーンと色差効果の相互作用について検討し,色差が皮膚のトーン間のモデル性能バイアスの新たな原因となる可能性が示唆された。
我々の研究は皮膚疾患の検出を改善するために皮膚科のAIに補完的な角度を提供する。
論文 参考訳(メタデータ) (2024-01-24T07:45:24Z) - Double-Condensing Attention Condenser: Leveraging Attention in Deep Learning to Detect Skin Cancer from Skin Lesion Images [61.36288157482697]
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) - AMLP:Adaptive Masking Lesion Patches for Self-supervised Medical Image
Segmentation [67.97926983664676]
自己監督型マスク画像モデリングは自然画像に対して有望な結果を示した。
しかし,このような手法を医用画像に直接適用することは依然として困難である。
適応型マスキング病変パッチ(AMLP)の自己管理型医用画像分割フレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-08T13:18:10Z) - Patient-specific, mechanistic models of tumor growth incorporating
artificial intelligence and big data [2.6144463801364375]
悪性腫瘍は依然として主要な公衆衛生上の問題である。
パーソナライズされた治療の設計には、患者固有の情報を適切な数学的モデルに統合する必要がある。
現在、腫瘍の発生、発生、侵入、治療に対する反応に関する厳密で実用的な数学的理論が欠如している。
論文 参考訳(メタデータ) (2023-08-28T22:52:17Z) - Early Melanoma Diagnosis with Sequential Dermoscopic Images [10.487636624052564]
悪性黒色腫早期診断のための既存のアルゴリズムは、病変の単一のタイムポイント画像を用いて開発されている。
そこで本研究では,皮膚内視鏡画像を用いた早期メラノーマ診断のためのフレームワークを提案する。
論文 参考訳(メタデータ) (2021-10-12T13:05:41Z) - In-Line Image Transformations for Imbalanced, Multiclass Computer Vision
Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。
convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。
本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文 参考訳(メタデータ) (2021-04-06T02:01:43Z) - 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) - Design and Development of a Web-based Tool for Inpainting of Dissected
Aortae in Angiography Images [69.14026408176609]
提案した塗布ツールは、大動脈解離を塗布するタスクに基づいてトレーニングされたニューラルネットワークを組み合わせたものである。
ツールをWebアプリケーションとして設計することにより、ニューラルネットワークの使用を簡素化し、初期学習曲線を小さくする。
論文 参考訳(メタデータ) (2020-05-06T12:22:21Z)
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。