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
- 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) - Can Domain Adaptation Improve Accuracy and Fairness of Skin Lesion
Classification? [55.49029146917322]
各種非教師付き領域適応法(UDA)の2値・多値皮膚病変分類における適用可能性について検討した。
実験の結果,UDAは二分分類に有効であり,不均衡が緩和された場合にはさらなる改善が見られた。
本研究は,少数派に対する偏見を効果的に低減し,公平性を重視したテクニックを明示的に用いなくても公平性を促進できることを示した。
論文 参考訳(メタデータ) (2023-07-06T17:32:38Z) - Transfer Learning for the Efficient Detection of COVID-19 from
Smartphone Audio Data [6.18778092044887]
スマートフォンデータから病気を検出することは、モバイル健康(m-health)システムにおけるオープンな研究課題である。
本研究は,手作りの3種類の深層学習モデルの実験的評価である。
商用モバイルデバイス上での様々なモデルのメモリフットプリントを評価する。
論文 参考訳(メタデータ) (2023-07-06T13:19:27Z) - 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) - Analysis Towards Classification of Infection and Ischaemia of Diabetic
Foot Ulcers [5.746418369209802]
本稿では,糖尿病性足部潰瘍データ(dfuc 2021)について,感染と虚血を主眼とした病態解析について紹介する。
DFUC 2021の最終リリースは15,683のDFUパッチと5,955のトレーニング、5,734のテスト、5,994のDFUパッチで構成されている。
ディープラーニングの5つの重要なバックボーンのパフォーマンスをベンチマークします。
VGG16, ResNet101, InceptionV3, DenseNet121, EfficientNet on DFUC 2021。
論文 参考訳(メタデータ) (2021-04-07T11:38:57Z) - 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) - Spatio-spectral deep learning methods for in-vivo hyperspectral
laryngeal cancer detection [49.32653090178743]
頭頸部腫瘍の早期発見は患者の生存に不可欠である。
ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。
HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
論文 参考訳(メタデータ) (2020-04-21T17:07:18Z)
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。