Fugu-MT 論文翻訳(概要): Domain-Specific Deep Learning Feature Extractor for Diabetic Foot Ulcer Detection

論文の概要: Domain-Specific Deep Learning Feature Extractor for Diabetic Foot Ulcer Detection

arxiv url: http://arxiv.org/abs/2311.16312v1
Date: Mon, 27 Nov 2023 21:01:29 GMT
ステータス: 処理完了
システム内更新日: 2023-11-29 21:03:14.763936
Title: Domain-Specific Deep Learning Feature Extractor for Diabetic Foot Ulcer Detection
Title（参考訳）: 糖尿病足部潰瘍検出のためのドメイン特化ディープラーニング機能エクストラクタ
Authors: Reza Basiri, Milos R. Popovic, Shehroz S. Khan
Abstract要約: 糖尿病性足部潰瘍(DFU)は,一定のモニタリングと治療評価を必要とする病態である。本稿では,深層学習傷検出ネットワーク構築の基盤となる,最も正確な特徴抽出器の評価と同定を行う。
参考スコア（独自算出の注目度）: 2.4631419586608225
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Diabetic Foot Ulcer (DFU) is a condition requiring constant monitoring and evaluations for treatment. DFU patient population is on the rise and will soon outpace the available health resources. Autonomous monitoring and evaluation of DFU wounds is a much-needed area in health care. In this paper, we evaluate and identify the most accurate feature extractor that is the core basis for developing a deep-learning wound detection network. For the evaluation, we used mAP and F1-score on the publicly available DFU2020 dataset. A combination of UNet and EfficientNetb3 feature extractor resulted in the best evaluation among the 14 networks compared. UNet and Efficientnetb3 can be used as the classifier in the development of a comprehensive DFU domain-specific autonomous wound detection pipeline.
Abstract（参考訳）: 糖尿病性足部潰瘍(DFU)は,一定のモニタリングと治療評価を必要とする病態である。 dfu患者の人口は増加しており、すぐに利用可能な健康資源を上回っている。 DFU創の自律的モニタリングと評価は、医療において非常に重要な分野である。本稿では,深層学習傷検出ネットワーク構築の基盤となる,最も正確な特徴抽出器の評価と同定を行う。評価には,dfu2020データセット上でmapとf1-scoreを用いた。 unet と efficientnetb3 の機能抽出器の組み合わせにより、14のネットワーク間で比較評価が最良となった。 UNetとEfficientnetb3は、包括的なDFUドメイン固有の自律的創傷検出パイプラインの開発において、分類器として使用できる。

関連論文リスト

Detection of Intracranial Hemorrhage for Trauma Patients [1.0074894923170512]
本稿では,Voxel-Complete IoU(VC-IoU)損失を新たに提案し,ネットワークが境界ボックスの3次元アスペクト比を学習できるようにする。我々は、公開データセットを用いて脳出血の検出を広範囲に実験し、それをプライベートコホートで検証した。
論文参考訳（メタデータ） (2024-08-20T12:03:59Z)
Lesion-aware network for diabetic retinopathy diagnosis [28.228110579446227]
CNNをベースとした糖尿病網膜症(DR)診断ネットワークを提案する。提案するLANetは,DR関連情報利用のためのCNNデコーダにLAMとFPMを埋め込んで構成する。本手法は, DR検診において 0.967 の曲線下領域で本手法より優れており, 全体の平均精度を3つのデータセットで7.6%, 2.1%, 1.2%向上させる。
論文参考訳（メタデータ） (2024-08-14T03:06:04Z)
Evaluating the Fairness of the MIMIC-IV Dataset and a Baseline Algorithm: Application to the ICU Length of Stay Prediction [65.268245109828]
本稿では、MIMIC-IVデータセットを用いて、滞在時間を予測するXGBoostバイナリ分類モデルにおける公平性とバイアスについて検討する。この研究は、人口統計属性にわたるデータセットのクラス不均衡を明らかにし、データ前処理と特徴抽出を採用する。この論文は、偏見を緩和するための公正な機械学習技術と、医療専門家とデータサイエンティストの協力的な努力の必要性について結論付けている。
論文参考訳（メタデータ） (2023-12-31T16:01:48Z)
Achieving Reliable and Fair Skin Lesion Diagnosis via Unsupervised Domain Adaptation [43.1078084014722]
教師なしドメイン適応(UDA)は、信頼性の高い分類器を開発するために、大きな外部データセットを統合することができる。 UDAは少数派に対する偏見を効果的に軽減し、診断システムの公平性を高めることができる。
論文参考訳（メタデータ） (2023-07-06T17:32:38Z)
Reduced Deep Convolutional Activation Features (R-DeCAF) in Histopathology Images to Improve the Classification Performance for Breast Cancer Diagnosis [0.0]
乳がんは世界で2番目に多いがんである。ディープ畳み込みニューラルネットワーク(CNN)は効果的なソリューションである。事前訓練したCNNの活性化層から抽出した特徴をDeep Convolutional activation features (DeCAF)と呼ぶ。
論文参考訳（メタデータ） (2023-01-05T06:53:46Z)
DKMA-ULD: Domain Knowledge augmented Multi-head Attention based Robust Universal Lesion Detection [19.165942326142538]
本稿では,1つのデータセットであるDeepLesionをトレーニングすることにより,全身の臓器にまたがる病変を検出できる,堅牢な普遍的病変検出(ULD)ネットワークを提案する。我々は,新しい畳み込み型マルチヘッド自己保持モジュールを用いて,様々な強度のCTスライスを解析した。約32KのCTスキャンと全臓器に注視病変を付加したDeepLesionデータセットを用いて,本ネットワークの有効性を検証した。
論文参考訳（メタデータ） (2022-03-14T06:54:28Z)
A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文参考訳（メタデータ） (2021-10-24T18:58:40Z)
Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
論文参考訳（メタデータ） (2021-09-08T07:56:51Z)
A Machine Learning Model for Early Detection of Diabetic Foot using Thermogram Images [3.8261286462270006]
糖尿病性足の潰瘍(DFU)と切断は致命的な致死性の原因である。サーモグラム画像は、DFU以前の足底温度の上昇を検出するのに役立つかもしれない。糖尿病の足を同定するための頑健な解法を提案する。
論文参考訳（メタデータ） (2021-06-27T11:37:59Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
Interpretable Off-Policy Evaluation in Reinforcement Learning by Highlighting Influential Transitions [48.91284724066349]
強化学習におけるオフ政治評価は、医療や教育などの領域における将来の成果を改善するために観察データを使用する機会を提供する。信頼区間のような従来の尺度は、ノイズ、限られたデータ、不確実性のために不十分である可能性がある。我々は,人間専門家が政策評価評価評価の妥当性を分析できるように,ハイブリッドAIシステムとして機能する手法を開発した。
論文参考訳（メタデータ） (2020-02-10T00:26:43Z)

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。