論文の概要: A Web-based Mpox Skin Lesion Detection System Using State-of-the-art
Deep Learning Models Considering Racial Diversity
- arxiv url: http://arxiv.org/abs/2306.14169v1
- Date: Sun, 25 Jun 2023 08:23:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-27 16:22:30.391774
- Title: A Web-based Mpox Skin Lesion Detection System Using State-of-the-art
Deep Learning Models Considering Racial Diversity
- Title(参考訳): 遺伝的多様性を考慮した最先端深層学習モデルを用いたWebベースMpox皮膚病変検出システム
- Authors: Shams Nafisa Ali, Md. Tazuddin Ahmed, Tasnim Jahan, Joydip Paul, S. M.
Sakeef Sani, Nawsabah Noor, Anzirun Nahar Asma, Taufiq Hasan
- Abstract要約: 以前は「モンキーポックス」と呼ばれていた「ムポックス」は、公衆衛生上重要な問題となり、世界中で110か国以上に広まっている。
ポリメラーゼ連鎖反応(PCR)に基づく診断がすぐには利用できない場合に、コンピュータ支援スクリーニングツールが有用であることが証明されている。
深層学習法は複雑なデータ表現を学習する上で強力であるが、その有効性は主に適切なトレーニングデータに依存している。
- 参考スコア(独自算出の注目度): 1.846958522363092
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The recent 'Mpox' outbreak, formerly known as 'Monkeypox', has become a
significant public health concern and has spread to over 110 countries
globally. The challenge of clinically diagnosing mpox early on is due, in part,
to its similarity to other types of rashes. Computer-aided screening tools have
been proven valuable in cases where Polymerase Chain Reaction (PCR) based
diagnosis is not immediately available. Deep learning methods are powerful in
learning complex data representations, but their efficacy largely depends on
adequate training data. To address this challenge, we present the "Mpox Skin
Lesion Dataset Version 2.0 (MSLD v2.0)" as a follow-up to the previously
released openly accessible dataset, one of the first datasets containing mpox
lesion images. This dataset contains images of patients with mpox and five
other non-mpox classes (chickenpox, measles, hand-foot-mouth disease, cowpox,
and healthy). We benchmark the performance of several state-of-the-art deep
learning models, including VGG16, ResNet50, DenseNet121, MobileNetV2,
EfficientNetB3, InceptionV3, and Xception, to classify mpox and other
infectious skin diseases. In order to reduce the impact of racial bias, we
utilize a color space data augmentation method to increase skin color
variability during training. Additionally, by leveraging transfer learning
implemented with pre-trained weights generated from the HAM10000 dataset, an
extensive collection of pigmented skin lesion images, we achieved the best
overall accuracy of $83.59\pm2.11\%$. Finally, the developed models are
incorporated within a prototype web application to analyze uploaded skin images
by a user and determine whether a subject is a suspected mpox patient.
- Abstract(参考訳): 近年の「ムポックス」の流行は、以前は「モンキーポックス」と呼ばれていたが、公衆衛生上の問題となり、世界中で110か国以上に広がった。
mpoxを早期に診断することの課題は、その一部が他のタイプの発疹と類似していることにある。
ポリメラーゼ連鎖反応(PCR)に基づく診断がすぐには利用できない場合に、コンピュータ支援スクリーニングツールが有用であることが証明されている。
ディープラーニングの手法は複雑なデータ表現の学習に有効であるが、その有効性は適切なトレーニングデータに大きく依存する。
この課題に対処するため、これまでに公開されたmpox病変画像を含む最初のデータセットである、オープンアクセスデータセットのフォローアップとして、"Mpox Skin Lesion Dataset Version 2.0 (MSLD v2.0)"を提示する。
このデータセットには、mpoxと他の5つの非mpoxクラス(チキンポックス、麻疹、ハンドフットマウス病、牛痘、健康)の患者の画像が含まれている。
我々はmpoxなどの感染症を分類するために,vgg16,resnet50, densenet121, mobilenetv2, efficientnetb3, inceptionv3, xceptionなど,最先端のディープラーニングモデルのパフォーマンスをベンチマークする。
人種的偏見の影響を低減するために,色空間データ拡張法を用いて,トレーニング中の肌の色変化を増大させる。
さらに,HAM10000データセットから得られたトレーニング済み重量と多彩な色素皮膚病変画像の収集により,最大83.59\pm2.11\%の精度を達成した。
最後に, 開発したモデルをプロトタイプWebアプリケーションに組み込んで, アップロードした皮膚画像を分析し, 被検体が疑わしいハンポックス患者かどうかを判定する。
関連論文リスト
- Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary
Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。
この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。
PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文 参考訳(メタデータ) (2024-02-16T05:16:20Z) - How Does Pruning Impact Long-Tailed Multi-Label Medical Image
Classifiers? [49.35105290167996]
プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。
この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
論文 参考訳(メタデータ) (2023-08-17T20:40:30Z) - A Transfer Learning and Explainable Solution to Detect mpox from
Smartphones images [5.039813366558306]
ムポックス感染症(英語: Mpox infection)は、皮膚の発疹や噴火の出現であり、人々に医療アドバイスを求めるよう促す可能性がある。
皮膚病変の側面に基づいて事前スクリーニングを行うのに役立つ技術は、画像分類に機械学習を使用することである。
本研究では,皮膚病変画像からmpoxを検出するためのDeep Learningの採用について検討する。
論文 参考訳(メタデータ) (2023-05-29T13:14:05Z) - Improving dermatology classifiers across populations using images
generated by large diffusion models [4.291548465691441]
大規模なテキスト・画像拡散モデルであるDALL$cdot$E2は皮膚疾患の光写実画像を生成することができることを示す。
DALL$cdot$E2生成合成画像によるトレーニングデータの拡大は、皮膚疾患の全体的分類、特に表現不足群の分類を改善することを実証した。
論文 参考訳(メタデータ) (2022-11-23T23:53:03Z) - Monkeypox Skin Lesion Detection Using Deep Learning Models: A
Feasibility Study [1.9395755884693817]
最近のサルポックスの流行は、アフリカ以外の40カ国で急速に拡大しているため、公衆衛生上の問題となっている。
サルポックス病変のコンピュータによる検出は, 疑われる症例の迅速同定と監視に有用であると考えられた。
深層学習法は皮膚病変の自動検出に有効である。
論文 参考訳(メタデータ) (2022-07-06T09:09:28Z) - EdgeMixup: Improving Fairness for Skin Disease Classification and
Segmentation [9.750368551427494]
皮膚病変は、広範囲の感染症やその他の病気の早期の指標である可能性がある。
深層学習(DL)モデルを用いた皮膚病変の診断は,プレスクリーニング患者を支援できる可能性が高い。
これらのモデルは、トレーニングデータに固有のバイアスを学習することが多く、ライトやダークスキンのトーンを持つ人の診断において、パフォーマンスのギャップを生じさせる可能性がある。
論文 参考訳(メタデータ) (2022-02-28T15:33:31Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳(メタデータ) (2021-02-26T02:29:30Z) - Analysis of skin lesion images with deep learning [0.0]
内視鏡画像の分類における美術の現状を評価します。
ImageNetデータセットに事前トレーニングされた様々なディープニューラルネットワークアーキテクチャは、組み合わせたトレーニングデータセットに適合する。
皮膚病変の8クラスの検出のためのこれらのモデルの性能と適用性を検討する。
論文 参考訳(メタデータ) (2021-01-11T10:58:36Z) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳(メタデータ) (2020-09-02T02:50:30Z) - Alleviating the Incompatibility between Cross Entropy Loss and Episode
Training for Few-shot Skin Disease Classification [76.89093364969253]
そこで本研究では,皮膚疾患の診断にFew-Shot Learningを応用し,トレーニングサンプル問題の極端な不足に対処することを提案する。
本稿では, エピソード学習において, クロスエントロピー(CE)よりも優れたクエリ-相対的損失(QR)を提案する。
さらに,新しい適応型ハードマージン戦略により,提案したQR損失をさらに強化する。
論文 参考訳(メタデータ) (2020-04-21T00:57:11Z) - 1-D Convlutional Neural Networks for the Analysis of Pupil Size
Variations in Scotopic Conditions [79.71065005161566]
1次元畳み込みニューラルネットワークモデルは、短距離配列の分類のために訓練されている。
モデルは、ホールドアウトテストセット上で、高い平均精度で予測を提供する。
論文 参考訳(メタデータ) (2020-02-06T17:25:37Z)
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。