論文の概要: Skin cancer diagnosis using NIR spectroscopy data of skin lesions in vivo using machine learning algorithms

• arxiv url: http://arxiv.org/abs/2401.01200v1
• Date: Tue, 2 Jan 2024 13:03:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-03 13:46:13.354250
• Title: Skin cancer diagnosis using NIR spectroscopy data of skin lesions in vivo using machine learning algorithms
• Title（参考訳）: 機械学習アルゴリズムを用いた生体内皮膚病変のNIRスペクトロスコピーデータを用いた皮膚癌の診断
• Authors: Flavio P. Loss, Pedro H. da Cunha, Matheus B. Rocha, Madson Poltronieri Zanoni, Leandro M. de Lima, Isadora Tavares Nascimento, Isabella Rezende, Tania R. P. Canuto, Luciana de Paula Vieira, Renan Rossoni, Maria C. S. Santos, Patricia Lyra Frasson, Wanderson Rom\~ao, Paulo R. Filgueiras, and Renato A. Krohling
• Abstract要約: NIR分光法は皮膚病変の自動CADに代替的な情報源を提供する可能性がある。 皮膚病変に対するNIRスペクトルデータの公開データセットはない。 機械学習アルゴリズムXGBoost, CatBoost, LightGBM, 1D-convolutional Neural Network (1D-CNN) を用いて癌および非癌皮膚病変の分類を行った。
• 参考スコア（独自算出の注目度）: 0.9582755554309533
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Skin lesions are classified in benign or malignant. Among the malignant, melanoma is a very aggressive cancer and the major cause of deaths. So, early diagnosis of skin cancer is very desired. In the last few years, there is a growing interest in computer aided diagnostic (CAD) using most image and clinical data of the lesion. These sources of information present limitations due to their inability to provide information of the molecular structure of the lesion. NIR spectroscopy may provide an alternative source of information to automated CAD of skin lesions. The most commonly used techniques and classification algorithms used in spectroscopy are Principal Component Analysis (PCA), Partial Least Squares - Discriminant Analysis (PLS-DA), and Support Vector Machines (SVM). Nonetheless, there is a growing interest in applying the modern techniques of machine and deep learning (MDL) to spectroscopy. One of the main limitations to apply MDL to spectroscopy is the lack of public datasets. Since there is no public dataset of NIR spectral data to skin lesions, as far as we know, an effort has been made and a new dataset named NIR-SC-UFES, has been collected, annotated and analyzed generating the gold-standard for classification of NIR spectral data to skin cancer. Next, the machine learning algorithms XGBoost, CatBoost, LightGBM, 1D-convolutional neural network (1D-CNN) were investigated to classify cancer and non-cancer skin lesions. Experimental results indicate the best performance obtained by LightGBM with pre-processing using standard normal variate (SNV), feature extraction providing values of 0.839 for balanced accuracy, 0.851 for recall, 0.852 for precision, and 0.850 for F-score. The obtained results indicate the first steps in CAD of skin lesions aiming the automated triage of patients with skin lesions in vivo using NIR spectral data.
• Abstract（参考訳）: 皮膚病変は良性または悪性に分類される。 悪性黒色腫は、非常に攻撃的ながんであり、主な死因である。 したがって、皮膚がんの早期診断は非常に望ましい。 近年,腫瘍の画像と臨床データを用いたcad (computer aided diagnostic) への関心が高まっている。 これらの情報源は、病変の分子構造に関する情報を提供することができないため、限界を示す。 NIR分光法は皮膚病変のCADの代替情報を提供する可能性がある。 分光学で使われる最も一般的な手法と分類アルゴリズムは主成分分析(pca)、部分最小二乗解析(pls-da)、サポートベクターマシン(svm)である。 それでも、機械と深層学習(MDL)の近代的手法を分光法に適用することへの関心が高まっている。 MDLを分光法に適用する主な制限の1つは、公開データセットの欠如である。 皮膚病変に対するNIRスペクトルデータの公開データセットが存在しないため、NIR-SC-UFESと呼ばれる新しいデータセットが収集され、注釈付けされ、皮膚がんに対するNIRスペクトルデータの分類のための金標準を生成する。 次に, xgboost, catboost, lightgbm, 1d-convolutional neural network (1d-cnn) を用いて, 癌および非癌皮膚病変の分類を行った。 実験結果から,標準標準変量器(SNV)を用いた前処理によるLightGBMの最高性能,平衡精度が0.839,リコールが0.851,精度が0.852,Fスコアが0.850であった。 以上の結果から,NIRスペクトルデータを用いた皮膚病変の自動トリアージを目的とした皮膚病変CADの第一歩が示唆された。

関連論文リスト

• Cancer-Net SCa-Synth: An Open Access Synthetically Generated 2D Skin Lesion Dataset for Skin Cancer Classification [65.83291923029985]
  アメリカ合衆国では、皮膚がんが最も一般的に診断されるがんと位置づけられており、公衆衛生上の問題となっている。 データセットのキュレーションとディープラーニングの進歩により、皮膚がんの迅速かつ正確な検出が期待できる。 Cancer-Net SCa- Synthは、皮膚がん分類のためのオープンアクセス合成された2D皮膚病変データセットである。
  論文  参考訳（メタデータ） (2024-11-08T02:04:21Z)
• Efficient Quality Control of Whole Slide Pathology Images with Human-in-the-loop Training [3.2646075700744928]
  Histo whole slide image (WSI) は、特に精度オンコロジーにおいて、ディープラーニングに基づく診断ソリューションの開発に広く利用されている。 これらの診断ソフトウェアのほとんどは、トレーニングやテストデータにおけるバイアスや不純物に弱いため、不正確な診断につながる可能性がある。 我々は、WSIを6つの組織領域に分離する、頑健だが軽量なディープラーニングベースの分類器であるHistoROIを紹介した。
  論文  参考訳（メタデータ） (2024-09-29T07:08:45Z)
• Cancer-Net PCa-Data: An Open-Source Benchmark Dataset for Prostate Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [75.77035221531261]
  Cancer-Net PCa-Dataは、PCa患者の画像データであるボリュームCDI$s$のオープンソースベンチマークデータセットである。 Cancer-Net PCa-Dataは、PCa用のCDI$s$画像データの最初の公開データセットである。
  論文  参考訳（メタデータ） (2023-11-20T10:28:52Z)
• Increasing Melanoma Diagnostic Confidence: Forcing the Convolutional Network to Learn from the Lesion [0.9143713488498512]
  EfficientNetモデルによりメラノーマ認識を改善する新しい手法を提案する。 モデルは、ネットワークをトレーニングして、病変を検出し、検出された病変から特徴を学習する。 実験の結果,提案手法は受信機動作特性曲線の平均値(平均AUC)を0.9から0.922に高めることにより,診断精度を向上させた。
  論文  参考訳（メタデータ） (2023-05-16T15:34:12Z)
• Detection and Localization of Melanoma Skin Cancer in Histopathological Whole Slide Images [1.0962389869127878]
  皮膚がんの発生が予想される増加と皮膚病理学者の足跡は、計算病理学(CPATH)システムの必要性を強調している。 本論文は,WSI(Whole Slide Images)における悪性黒色腫の検出と正常皮膚と良性悪性黒色腫病変の鑑別のためのDL法を提案する。 本手法は, 病変を高精度に検出し, 病理医の関心領域を特定するためにWSI上に局在する。
  論文  参考訳（メタデータ） (2023-02-06T18:54:14Z)
• New pyramidal hybrid textural and deep features based automatic skin cancer classification model: Ensemble DarkNet and textural feature extractor [1.4502611532302039]
  本研究は, 皮膚癌自動検出の課題を克服することを目的とする。 自動多段階テクスチャおよびディープ特徴ベースモデルを提案する。 選ばれた上位1000の機能は、10倍のクロスバリデーション技術を使って分類される。
  論文  参考訳（メタデータ） (2022-03-28T20:53:09Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• A Systematic Approach to Featurization for Cancer Drug Sensitivity Predictions with Deep Learning [49.86828302591469]
  35,000以上のニューラルネットワークモデルをトレーニングし、一般的な成果化技術を駆使しています。 RNA-seqは128以上のサブセットであっても非常に冗長で情報的であることがわかった。
  論文  参考訳（メタデータ） (2020-04-30T20:42:17Z)
• 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)
• Automatic Lesion Detection System (ALDS) for Skin Cancer Classification Using SVM and Neural Classifiers [0.6445605125467573]
  自動病変検出システム(ALDS)は、医師や皮膚科医が皮膚がんの適切な解析と治療のための第2の意見を得るのに役立つ。 本稿では,確率論的アプローチに基づく改良ALDSフレームワークの開発に焦点をあてる。
  論文  参考訳（メタデータ） (2020-03-13T13:31:35Z)

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。