Fugu-MT 論文翻訳(概要): Skin Lesion Diagnosis Using Convolutional Neural Networks

論文の概要: Skin Lesion Diagnosis Using Convolutional Neural Networks

arxiv url: http://arxiv.org/abs/2305.11125v1
Date: Thu, 18 May 2023 17:15:08 GMT
ステータス: 処理完了
システム内更新日: 2023-05-19 13:49:47.115699
Title: Skin Lesion Diagnosis Using Convolutional Neural Networks
Title（参考訳）: 畳み込みニューラルネットワークを用いた皮膚病変診断
Authors: Daniel Alonso Villanueva Nunez and Yongmin Li
Abstract要約: 本研究の目的は,様々な分野から画像分類のための最先端技術を収集し,この問題に対処することである。モデルは8012画像のデータセットを用いて訓練され、その性能は2003画像を用いて評価された。このモデルは、手作りの機能抽出を必要とせずに、イメージからラベルに直接、エンドツーエンドでトレーニングされています。
参考スコア（独自算出の注目度）: 0.30458514384586394
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Cancerous skin lesions are one of the most common malignancies detected in humans, and if not detected at an early stage, they can lead to death. Therefore, it is crucial to have access to accurate results early on to optimize the chances of survival. Unfortunately, accurate results are typically obtained by highly trained dermatologists, who may not be accessible to many people, particularly in low-income and middle-income countries. Artificial Intelligence (AI) appears to be a potential solution to this problem, as it has proven to provide equal or even better diagnoses than healthcare professionals. This project aims to address the issue by collecting state-of-the-art techniques for image classification from various fields and implementing them. Some of these techniques include mixup, presizing, and test-time augmentation, among others. Three architectures were used for the implementation: DenseNet121, VGG16 with batch normalization, and ResNet50. The models were designed with two main purposes. First, to classify images into seven categories, including melanocytic nevus, melanoma, benign keratosis-like lesions, basal cell carcinoma, actinic keratoses and intraepithelial carcinoma, vascular lesions, and dermatofibroma. Second, to classify images into benign or malignant. The models were trained using a dataset of 8012 images, and their performance was evaluated using 2003 images. It's worth noting that this model is trained end-to-end, directly from the image to the labels, without the need for handcrafted feature extraction.
Abstract（参考訳）: がん皮膚病変はヒトで検出される最も一般的な悪性腫瘍の1つであり、早期に検出されないと死に至る可能性がある。そのため、早期に正確な結果にアクセスして生存率を最適化することが重要である。残念ながら、正確な結果は通常高度に訓練された皮膚科医によって得られ、多くの人、特に低所得国や中所得国ではアクセスできない。人工知能(AI)は、医療専門家と同等あるいはそれ以上の診断を提供することが証明されたことから、この問題に対する潜在的な解決策のように見える。本プロジェクトの目的は,様々な分野から画像分類のための最先端技術を集め,それらを実装することである。これらのテクニックには、mixup、Presizing、Test-time Augmentationなどが含まれる。 DenseNet121、バッチ正規化を伴うVGG16、ResNet50の3つのアーキテクチャが実装に使用された。主に2つの目的で設計された。まず, メラノサイト性母斑, メラノーマ, 良性角化様病変, 基底細胞癌, アクチン性角化, 上皮内癌, 血管病変, 皮膚線維腫の7種類に分類する。第二に、画像を良性または悪性に分類する。モデルは8012画像のデータセットを用いて訓練され、その性能は2003画像を用いて評価された。このモデルは、手作りの機能抽出を必要とせずに、イメージからラベルに直接、エンドツーエンドでトレーニングされています。

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)
Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
論文参考訳（メタデータ） (2024-03-19T09:28:19Z)
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)
Histopathological Imaging Classification of Breast Tissue for Cancer Diagnosis Support Using Deep Learning Models [0.0]
ヘマトキシリンとエオシンはがん診断における金の標準であると考えられている。病理画像(WSI)を複数のパッチに分割するアイデアに基づいて,左から右へスライドし,上から下へスライドするウィンドウ[512,512]を,400イメージのデータセット上の拡張データに対して,各スライディングステップが50%重なり合うように使用した。 EffficientNetモデルは、高解像度の画像のトレーニングに適した、固定されたスケーリング要素のセットで、ネットワークの幅、深さ、解像度を均一にスケーリングする、最近開発されたモデルである。
論文参考訳（メタデータ） (2022-07-03T13:56:44Z)
Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文参考訳（メタデータ） (2022-03-29T08:41:17Z)
Classification of Skin Cancer Images using Convolutional Neural Networks [0.0]
皮膚がんは最も一般的なヒト悪性腫瘍である。ディープニューラルネットワークは、画像分類の謙虚な可能性を示している。最も高いモデル精度は86.65%以上である。
論文参考訳（メタデータ） (2022-02-01T17:11:41Z)
BCNet: A Deep Convolutional Neural Network for Breast Cancer Grading [0.0]
近年、深層学習は科学の様々な分野、特に医学で広く採用されている。乳がん検出問題では、異なるデータセット上で様々なディープラーニング技術が開発され、精度が向上した。
論文参考訳（メタデータ） (2021-07-11T12:55:33Z)
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)
Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文参考訳（メタデータ） (2021-04-02T20:52:05Z)
Generative Adversarial U-Net for Domain-free Medical Image Augmentation [49.72048151146307]
注釈付き医用画像の不足は、医用画像コンピューティングの分野における最大の課題の1つだ。本稿では,生成逆U-Netという新しい生成手法を提案する。当社の新しいモデルは、ドメインフリーで、さまざまな医療画像に汎用性があります。
論文参考訳（メタデータ） (2021-01-12T23:02:26Z)
Method to Classify Skin Lesions using Dermoscopic images [0.0]
皮膚がんは、がん患者の3分の1を構成する既存の世界でもっとも一般的ながんである。そこで本研究では,CNN(Convolution Neural Networks)をトレーニングモデルとして,皮膚画像を用いた皮膚病変の自動分類モデルを開発した。このモデルが達成できる最良の精度は0.886である。
論文参考訳（メタデータ） (2020-08-21T10:58:33Z)

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。