論文の概要: Automatized Self-Supervised Learning for Skin Lesion Screening
- arxiv url: http://arxiv.org/abs/2311.06691v1
- Date: Sat, 11 Nov 2023 23:55:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-14 17:16:34.571135
- Title: Automatized Self-Supervised Learning for Skin Lesion Screening
- Title（参考訳）: 皮膚病変スクリーニングのための自動自己監督学習
- Authors: Vullnet Useini, Stephanie Tanadini-Lang, Quentin Lohmeyer, Mirko
Meboldt, Nicolaus Andratschke, Ralph P. Braun and Javier Barranco Garc\'ia
- Abstract要約: このツールは、最先端のオブジェクト検出アルゴリズムを使用して、患者の画像からすべての皮膚病変を特定し、抽出する。
ツールの性能を評価するために臨床検査を行った。
研究によると、皮膚科医は自信を増し、AIによって補助された場合、トップ10のAI識別UDとの過半数の合意は100%改善した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The incidence rates of melanoma, the deadliest form of skin cancer, have been
increasing steadily worldwide, presenting a significant challenge to
dermatologists. Early detection of melanoma is crucial for improving patient
survival rates, but identifying suspicious lesions through ugly duckling (UD)
screening, the current method used for skin cancer screening, can be
challenging and often requires expertise in pigmented lesions. To address these
challenges and improve patient outcomes, an artificial intelligence (AI)
decision support tool was developed to assist dermatologists in identifying UD
from wide-field patient images. The tool uses a state-of-the-art object
detection algorithm to identify and extract all skin lesions from patient
images, which are then sorted by suspiciousness using a self-supervised AI
algorithm. A clinical validation study was conducted to evaluate the tool's
performance, which demonstrated an average sensitivity of 93% for the top-10
AI-identified UDs on skin lesions selected by the majority of experts in
pigmented skin lesions. The study also found that dermatologists confidence
increased, and the average majority agreement with the top-10 AI-identified UDs
improved to 100% when assisted by AI. The development of this AI decision
support tool aims to address the shortage of specialists, enable at-risk
patients to receive faster consultations and understand the impact of
AI-assisted screening. The tool's automation can assist dermatologists in
identifying suspicious lesions and provide a more objective assessment,
reducing subjectivity in the screening process. The future steps for this
project include expanding the dataset to include histologically confirmed
melanoma cases and increasing the number of participants for clinical
validation to strengthen the tool's reliability and adapt it for real-world
consultation.
- Abstract（参考訳）: 皮膚がんの死亡率が最も高いメラノーマの発生率は世界中で増加しており、皮膚科医にとって大きな課題となっている。
悪性黒色腫の早期発見は患者の生存率の向上に不可欠であるが,現在の皮膚がんスクリーニング法であるアヒルスクリーニング(udスクリーニング)による疑わしい病変の同定は困難であり,色素性病変の専門知識を必要とすることが多い。
これらの課題に対処し、患者の成果を改善するために、皮膚科医が広範囲の患者画像からUDを特定するのを支援する人工知能(AI)意思決定支援ツールを開発した。
このツールは最先端のオブジェクト検出アルゴリズムを使用して、患者の画像からすべての皮膚病変を特定し、抽出する。
このツールの性能を評価するために臨床検証を行った結果、顔色素性皮膚病変の専門家の多数が選択した皮膚病変について、トップ10のai同定udの平均感度は93%であった。
研究によると、皮膚科医は自信を増し、AIによって補助された場合、トップ10のAI識別UDとの過半数の合意は100%改善した。
このAI意思決定支援ツールの開発は、専門家の不足に対処し、リスクの高い患者がより早く相談を受け、AI支援スクリーニングの影響を理解することを目的としている。
このツールの自動化は、皮膚科医が疑わしい病変を特定し、より客観的な評価を提供し、スクリーニングプロセスの主観性を低下させる。
このプロジェクトの今後のステップは、組織学的に確認されたメラノーマ症例を含むようにデータセットを拡大することと、ツールの信頼性を強化し、現実のコンサルテーションに適応するための臨床検証参加者の数を増やすことである。
関連論文リスト
- An Attention-Guided Deep Learning Approach for Classifying 39 Skin Lesion Types [0.9467360130705921]
本研究は,39種類の皮膚病変からなる包括的および多種多様なデータセットをキュレートすることにより,分野を前進させる。
MobileNetV2、Xception、InceptionV3、EfficientNetB1、Vision Transformerの5つの最先端ディープラーニングモデルが厳格に評価されている。
CBAMと統合されたビジョントランスフォーマーモデルは、93.46%の精度、94%の精度、93%のリコール、93%のF1スコア、93.67%の特異性を達成した。
論文 参考訳（メタデータ） (2025-01-10T14:25:01Z) - Privacy-Preserving Federated Foundation Model for Generalist Ultrasound Artificial Intelligence [83.02106623401885]
プライバシー保護型超音波基礎モデルであるUltraFedFMを提案する。
UltraFedFMは、9か国の16の分散医療機関にわたる連合学習を用いて、協調的に事前訓練されている。
疾患診断には0.927のレシーバ動作特性曲線、病変セグメント化には0.878のサイス類似係数を平均的に達成する。
論文 参考訳（メタデータ） (2024-11-25T13:40:11Z) - 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) - Dermatologist-like explainable AI enhances melanoma diagnosis accuracy: eye-tracking study [1.1876787296873537]
人工知能(AI)システムは皮膚科医のメラノーマの診断精度を大幅に改善した。
これらの進歩にもかかわらず、皮膚科医がAIとXAIの両方のツールとどのように関わるかの客観的評価には、依然として重要な必要性がある。
そこで本研究では,76名の皮膚科医を対象に,XAIシステムを用いてメラノーマとネビの16例の皮膚内視鏡像の診断を行った。
論文 参考訳（メタデータ） (2024-09-20T13:08:33Z) - TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [57.067409211231244]
本稿では,マルチモーダルデータ(例えば,薬物分子,疾患コード,テキスト,分類・数値的特徴)と臨床治験設計における8つの重要な予測課題をカバーするAIreadyデータセットを精巧にキュレートした。
データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。
このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
論文 参考訳（メタデータ） (2024-06-30T09:13:10Z) - A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳（メタデータ） (2024-05-21T06:44:40Z) - SkinGEN: an Explainable Dermatology Diagnosis-to-Generation Framework with Interactive Vision-Language Models [54.32264601568605]
SkinGENは、VLMが提供する診断結果から参照デモを生成する、診断から生成までのフレームワークである。
システム性能と説明可能性の両方を評価するために,32人の参加者によるユーザスタディを実施している。
その結果、SkinGENはVLM予測に対するユーザの理解を著しく改善し、診断プロセスへの信頼を高めることが示されている。
論文 参考訳（メタデータ） (2024-04-23T05:36:33Z) - The Limits of Perception: Analyzing Inconsistencies in Saliency Maps in XAI [0.0]
説明可能な人工知能(XAI)は、AIの意思決定プロセスの解明に不可欠である。
ブラックボックス」として機能し、その理由が曖昧でアクセスできないため、誤診のリスクが高まる。
この透明性へのシフトは、単に有益であるだけでなく、医療におけるAI統合の責任を負うための重要なステップでもある。
論文 参考訳（メタデータ） (2024-03-23T02:15:23Z) - 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) - Clinical Melanoma Diagnosis with Artificial Intelligence: Insights from
a Prospective Multicenter Study [1.2397589403129072]
AIはメラノーマの検出を強化するのに役立つことが証明されている。
現存する研究は、サンプルサイズが低いこと、同質なデータセットが多すぎること、希少なメラノーマ亜型の欠如によって制限されている。
メラノーマの診断精度と皮膚科医の診断精度を比較検討し, 確立されたメラノーマ検出用オープンソースアルゴリズムである「All Data is Ext」(ADAE)を評価した。
論文 参考訳（メタデータ） (2024-01-25T14:03:54Z) - Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。
本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文 参考訳（メタデータ） (2023-07-30T16:08:45Z)
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。