論文の概要: Ultrafast-and-Ultralight ConvNet-Based Intelligent Monitoring System for
Diagnosing Early-Stage Mpox Anytime and Anywhere
- arxiv url: http://arxiv.org/abs/2308.13492v2
- Date: Tue, 26 Sep 2023 11:02:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-27 17:27:03.365297
- Title: Ultrafast-and-Ultralight ConvNet-Based Intelligent Monitoring System for
Diagnosing Early-Stage Mpox Anytime and Anywhere
- Title（参考訳）: 超高速Ultralight ConvNetを用いた早期Mpox診断のためのインテリジェントモニタリングシステム
- Authors: Yubiao Yue, Xiaoqiang Shi, Li Qin, Xinyue Zhang, Yanmei Chen, Jialong
Xu, Zipei Zheng, Yujun Cao, Di Liu, Zhenzhang Li, Yang Li
- Abstract要約: 我々はFast-MpoxNetという超高速で超軽量なネットワークを提案する。
Fast-MpoxNetは0.27Mパラメータしか持たず、CPU上で68フレーム/秒(FPS)で入力画像を処理できる。
また、パソコンと携帯電話の両方にMpox-AISM V2というアプリケーションシステムを開発した。
- 参考スコア（独自算出の注目度）: 5.479858970142124
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Due to the lack of more efficient diagnostic tools for monkeypox, its spread
remains unchecked, presenting a formidable challenge to global health. While
the high efficacy of deep learning models for monkeypox diagnosis has been
demonstrated in related studies, the overlook of inference speed, the parameter
size and diagnosis performance for early-stage monkeypox renders the models
inapplicable in real-world settings. To address these challenges, we proposed
an ultrafast and ultralight network named Fast-MpoxNet. Fast-MpoxNet possesses
only 0.27M parameters and can process input images at 68 frames per second
(FPS) on the CPU. To counteract the diagnostic performance limitation brought
about by the small model capacity, it integrates the attention-based feature
fusion module and the multiple auxiliary losses enhancement strategy for better
detecting subtle image changes and optimizing weights. Using transfer learning
and five-fold cross-validation, Fast-MpoxNet achieves 94.26% Accuracy on the
Mpox dataset. Notably, its recall for early-stage monkeypox achieves 93.65%. By
adopting data augmentation, our model's Accuracy rises to 98.40% and attains a
Practicality Score (A new metric for measuring model practicality in real-time
diagnosis application) of 0.80. We also developed an application system named
Mpox-AISM V2 for both personal computers and mobile phones. Mpox-AISM V2
features ultrafast responses, offline functionality, and easy deployment,
enabling accurate and real-time diagnosis for both the public and individuals
in various real-world settings, especially in populous settings during the
outbreak. Our work could potentially mitigate future monkeypox outbreak and
illuminate a fresh paradigm for developing real-time diagnostic tools in the
healthcare field.
- Abstract（参考訳）: monkeypoxのより効率的な診断ツールが欠如しているため、その広まりは未確認のままであり、世界的な健康にとって大きな課題となっている。
サルポックス診断におけるディープラーニングモデルの高い有効性は関連する研究で実証されているが、推論速度、パラメータサイズ、早期サルポックスの診断性能の見落としは、実際の環境では適用できない。
これらの課題に対処するため,我々はFast-MpoxNetという超高速で超軽量なネットワークを提案した。
Fast-MpoxNetは0.27Mパラメータしか持たず、CPU上で68フレーム/秒(FPS)で入力画像を処理できる。
小型モデルキャパシティによる診断性能の限界に対応するため、注意に基づく特徴融合モジュールと、微妙な画像変化の検知と重みの最適化のための多重補助的損失増強戦略を統合する。
転送学習と5倍のクロスバリデーションを使用して、Fast-MpoxNetはMpoxデータセット上で94.26%の精度を達成した。
特に初期のサルポックスのリコールは93.65%に達する。
データ拡張の導入により、モデルの精度は98.40%向上し、実用性スコア(リアルタイム診断アプリケーションにおけるモデル実用性測定の新しい指標)が0.80に達する。
また、パソコンと携帯電話の両方にMpox-AISM V2というアプリケーションシステムを開発した。
Mpox-AISM V2は、超高速な応答、オフライン機能、デプロイが容易で、特にアウトブレイク時の人口の多い環境で、様々な現実の環境で、一般人および個人の両方の正確なリアルタイム診断を可能にする。
我々の研究は、将来のサルポックスの発生を緩和し、医療分野でリアルタイム診断ツールを開発するための新しいパラダイムを照らす可能性がある。
関連論文リスト
- Monkeypox disease recognition model based on improved SE-InceptionV3 [0.0]
本研究はSE-InceptionV3モデルを改良し,SENetモジュールを組み込み,インセプションV3フレームワークにL2正規化を組み込むことでサルポックス病の検出を向上する。
本モデルは,テストセットにおいて96.71%の精度を示し,従来の手法やディープラーニングモデルよりも優れていた。
論文 参考訳（メタデータ） (2024-03-15T08:01:44Z) - Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.2263444492222]
オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。
トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。
評価のために,GPT-4に基づく実測値CheXpromptを提案する。
LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
論文 参考訳（メタデータ） (2024-03-12T18:12:02Z) - A Lightweight, Rapid and Efficient Deep Convolutional Network for Chest
X-Ray Tuberculosis Detection [0.0]
結核(TB)はいまだに世界中の死因の1つとして認識されている。
近年, 深層学習(DL)の進歩により, 胸部X線像の正確な解釈能力が向上し, 誤りも少なくなった。
我々は、CXR画像からTBを検出するために特別にカスタマイズされた、軽量で高速で効率的な深層畳み込みネットワークであるLightTBNetを提案する。
論文 参考訳（メタデータ） (2023-09-05T11:30:38Z) - Mpox-AISM: AI-Mediated Super Monitoring for Mpox and Like-Mpox [7.381293390784665]
人工知能とインターネット技術を用いたリアルタイム可視化戦略「スーパーモニタリング」を提案する。
このようなAIによるスーパーモニタリング(Mpox-AISM)は、ディープラーニングモデル、データ拡張、自己教師型学習、クラウドサービスによって組み立てられたフレームワークを起動する。
Mpox-AISMの全体的な精度は、両生類、同種皮膚疾患6例、正常皮膚の診断において94.51%に達する。
論文 参考訳（メタデータ） (2023-03-17T05:27:16Z) - Inertial Hallucinations -- When Wearable Inertial Devices Start Seeing
Things [82.15959827765325]
環境支援型生活(AAL)のためのマルチモーダルセンサフュージョンの新しいアプローチを提案する。
我々は、標準マルチモーダルアプローチの2つの大きな欠点、限られた範囲のカバレッジ、信頼性の低下に対処する。
我々の新しいフレームワークは、三重項学習によるモダリティ幻覚の概念を融合させ、異なるモダリティを持つモデルを訓練し、推論時に欠落したセンサーに対処する。
論文 参考訳（メタデータ） (2022-07-14T10:04:18Z) - 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) - Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。
グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。
当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
論文 参考訳（メタデータ） (2022-04-22T17:27:00Z) - 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) - 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) - A Data-Efficient Deep Learning Based Smartphone Application For
Detection Of Pulmonary Diseases Using Chest X-rays [0.0]
アプリはモバイルカメラから撮影したChest X-Rayイメージを入力し、クラウドプラットフォームのAIアーキテクチャにリレーする。
スマートフォンの医師はこのアプリケーションを利用すれば、新型コロナウイルス(COVID-19)の診断に要する時間を大幅に節約できる。
論文 参考訳（メタデータ） (2020-08-19T04:28:17Z) - DeepMark++: Real-time Clothing Detection at the Edge [55.41644538483948]
本稿では,迅速な衣服検出とキーポイント推定を実現するための単一ステージアプローチを提案する。
提案手法は,マルチターゲットネットワークであるCenterNetをベースとして,性能向上のためのポストプロセッシング技術をいくつか導入する。
私たちの最も正確なモデルは、DeepFashion2データセットの最先端ソリューションに匹敵する結果を達成します。
論文 参考訳（メタデータ） (2020-06-01T04:36:57Z)
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。