論文の概要: A Novel Multi-Task Model Imitating Dermatologists for Accurate
Differential Diagnosis of Skin Diseases in Clinical Images
- arxiv url: http://arxiv.org/abs/2307.08308v1
- Date: Mon, 17 Jul 2023 08:05:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-18 14:25:07.037465
- Title: A Novel Multi-Task Model Imitating Dermatologists for Accurate
Differential Diagnosis of Skin Diseases in Clinical Images
- Title(参考訳): 皮膚疾患の正確な鑑別診断のための皮膚科医用マルチタスクモデルの開発
- Authors: Yan-Jie Zhou, Wei Liu, Yuan Gao, Jing Xu, Le Lu, Yuping Duan, Hao
Cheng, Na Jin, Xiaoyong Man, Shuang Zhao, Yu Wang
- Abstract要約: 皮膚科医の診断手順と戦略を模倣して,このギャップを埋めるために,新しいマルチタスクモデルDermImitFormerを提案する。
モデルは、疾患自体に加えて、身体の部分と病変の属性を同時に予測し、診断精度を高め、診断の解釈性を向上させる。
- 参考スコア(独自算出の注目度): 27.546559936765863
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Skin diseases are among the most prevalent health issues, and accurate
computer-aided diagnosis methods are of importance for both dermatologists and
patients. However, most of the existing methods overlook the essential domain
knowledge required for skin disease diagnosis. A novel multi-task model, namely
DermImitFormer, is proposed to fill this gap by imitating dermatologists'
diagnostic procedures and strategies. Through multi-task learning, the model
simultaneously predicts body parts and lesion attributes in addition to the
disease itself, enhancing diagnosis accuracy and improving diagnosis
interpretability. The designed lesion selection module mimics dermatologists'
zoom-in action, effectively highlighting the local lesion features from noisy
backgrounds. Additionally, the presented cross-interaction module explicitly
models the complicated diagnostic reasoning between body parts, lesion
attributes, and diseases. To provide a more robust evaluation of the proposed
method, a large-scale clinical image dataset of skin diseases with
significantly more cases than existing datasets has been established. Extensive
experiments on three different datasets consistently demonstrate the
state-of-the-art recognition performance of the proposed approach.
- Abstract(参考訳): 皮膚疾患は最も一般的な健康上の問題であり、正確なコンピュータ支援診断法は皮膚科医と患者の両方にとって重要である。
しかし、既存の方法のほとんどは、皮膚疾患の診断に必要なドメイン知識を見落としている。
皮膚科医の診断手順と戦略を模倣して,このギャップを埋めるために,新しいマルチタスクモデルDermImitFormerを提案する。
マルチタスク学習を通じて、モデルは、疾患自体に加えて、身体の部分と病変特性を同時に予測し、診断精度を高め、診断の解釈性を向上させる。
設計した病変選択モジュールは皮膚科医のズームイン動作を模倣し、ノイズの多い背景から局所病変の特徴を効果的に強調する。
さらに、提示されたクロスアクションモジュールは、身体部分、病変特性、疾患の間の複雑な診断推論を明示的にモデル化する。
提案手法のより堅牢な評価方法として、既存のデータセットよりもはるかに多くの症例を有する皮膚疾患の大規模臨床画像データセットを提供する。
3つの異なるデータセットに関する広範な実験は、提案されたアプローチの最先端の認識性能を一貫して実証している。
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) - Large-scale Long-tailed Disease Diagnosis on Radiology Images [59.37561810438641]
本研究では,放射線画像における大規模大語彙疾患分類の問題点について検討する。
i)データセット構築では、39,026ケース(192,675スキャン)を含む930のユニークなICD-10-CMコードとリンクした5568の障害を含む、学術的にアクセス可能な大規模診断データセットを構築します。
さらに,本研究の最終モデルは事前学習モデルとして機能し,様々な外部データセットの診断に役立てることができる。
論文 参考訳(メタデータ) (2023-12-26T18:20:48Z) - Revamping AI Models in Dermatology: Overcoming Critical Challenges for
Enhanced Skin Lesion Diagnosis [8.430482797862926]
我々は、分散-textbfClinical TriageモデルのオールインワンのtextbfHierarchical-textbfOutを示す。
臨床画像では,階層的予測,アウト・オブ・ディストリビューション画像の警告,皮膚内視鏡の推奨の3つの出力を生成する。
我々の汎用モデルは、病変診断のための貴重な意思決定支援を提供し、医療AI応用の有望な先例を定めている。
論文 参考訳(メタデータ) (2023-11-02T06:08:49Z) - A Transformer-based representation-learning model with unified
processing of multimodal input for clinical diagnostics [63.106382317917344]
本稿では,マルチモーダル入力を統一的に処理する臨床診断支援として,トランスフォーマーを用いた表現学習モデルについて報告する。
統一モデルは, 肺疾患の同定において, 画像のみのモデル, 非統一型マルチモーダル診断モデルより優れていた。
論文 参考訳(メタデータ) (2023-06-01T16:23:47Z) - Transformer-based interpretable multi-modal data fusion for skin lesion
classification [0.40964539027092917]
皮膚科における皮膚病変分類では、深層学習システムは、意思決定プロセスの透明性が限られているため、まだ初期段階にある。
本手法は,画像に富み,患者データに富む環境において,最先端のシングルモーダルかつマルチモーダルなDLアーキテクチャを克服する。
論文 参考訳(メタデータ) (2023-04-03T11:45:27Z) - Tensor-Based Multi-Modality Feature Selection and Regression for
Alzheimer's Disease Diagnosis [25.958167380664083]
アルツハイマー病(AD)と軽度認知障害(MCI)の診断・バイオマーカー同定のための新しいテンソルベース多モード特徴選択と回帰法を提案する。
3つの画像モダリティを用いたADNIデータ解析における本手法の実用的利点について述べる。
論文 参考訳(メタデータ) (2022-09-23T02:17:27Z) - 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) - 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) - Inheritance-guided Hierarchical Assignment for Clinical Automatic
Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。
本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文 参考訳(メタデータ) (2021-01-27T13:16:51Z) - Bi-directional Dermoscopic Feature Learning and Multi-scale Consistent
Decision Fusion for Skin Lesion Segmentation [28.300486641368234]
本稿では,皮膚病変と情報的文脈との複雑な相関をモデル化する,新しい双方向皮膚機能学習(biDFL)フレームワークを提案する。
また,複数の分類層から発生する情報的決定に選択的に集中できるマルチスケール一貫した決定融合(mCDF)を提案する。
論文 参考訳(メタデータ) (2020-02-20T12:00:24Z)
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。