論文の概要: AI-Enhanced 7-Point Checklist for Melanoma Detection Using Clinical Knowledge Graphs and Data-Driven Quantification

• arxiv url: http://arxiv.org/abs/2407.16822v1
• Date: Tue, 23 Jul 2024 20:27:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-25 15:32:29.559527
• Title: AI-Enhanced 7-Point Checklist for Melanoma Detection Using Clinical Knowledge Graphs and Data-Driven Quantification
• Title（参考訳）: 臨床知識グラフとデータ駆動定量化を用いた悪性黒色腫検出のためのAI強化7点チェックリスト
• Authors: Yuheng Wang, Tianze Yu, Jiayue Cai, Sunil Kalia, Harvey Lui, Z. Jane Wang, Tim K. Lee,
• Abstract要約: 7-point checklist (7PCL) は, 緊急医療的注意を要する悪性黒色腫病変の同定に広く用いられている。 主要な属性はそれぞれ2ポイントの価値があり、マイナーなものは1ポイントの価値がある。 現在の方法の大きな制限は属性の均一な重み付けであり、それによって不正確さが生まれ、相互接続を無視する。 臨床知識ベーストポロジカルグラフ(CKTG)とデータ駆動重み付け標準を用いた勾配診断戦略(GDDDW)の2つの革新的な要素を統合した新しい診断手法を提案する。
• 参考スコア（独自算出の注目度）: 12.626492318152058
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The 7-point checklist (7PCL) is widely used in dermoscopy to identify malignant melanoma lesions needing urgent medical attention. It assigns point values to seven attributes: major attributes are worth two points each, and minor ones are worth one point each. A total score of three or higher prompts further evaluation, often including a biopsy. However, a significant limitation of current methods is the uniform weighting of attributes, which leads to imprecision and neglects their interconnections. Previous deep learning studies have treated the prediction of each attribute with the same importance as predicting melanoma, which fails to recognize the clinical significance of the attributes for melanoma. To address these limitations, we introduce a novel diagnostic method that integrates two innovative elements: a Clinical Knowledge-Based Topological Graph (CKTG) and a Gradient Diagnostic Strategy with Data-Driven Weighting Standards (GD-DDW). The CKTG integrates 7PCL attributes with diagnostic information, revealing both internal and external associations. By employing adaptive receptive domains and weighted edges, we establish connections among melanoma's relevant features. Concurrently, GD-DDW emulates dermatologists' diagnostic processes, who first observe the visual characteristics associated with melanoma and then make predictions. Our model uses two imaging modalities for the same lesion, ensuring comprehensive feature acquisition. Our method shows outstanding performance in predicting malignant melanoma and its features, achieving an average AUC value of 85%. This was validated on the EDRA dataset, the largest publicly available dataset for the 7-point checklist algorithm. Specifically, the integrated weighting system can provide clinicians with valuable data-driven benchmarks for their evaluations.
• Abstract（参考訳）: 7-point checklist (7PCL) は, 緊急医療的注意を要する悪性黒色腫病変の同定に広く用いられている。 主要な属性はそれぞれ2ポイントの価値があり、マイナーなものは1ポイントの価値がある。 合計3点以上のスコアは、しばしば生検を含むさらなる評価を促す。 しかし、現在の方法の重大な制限は属性の均一な重み付けであり、それによって不正確さが生まれ、それらの相互接続を無視する。 これまでの深層学習研究は、メラノーマの属性の臨床的意義を認識するのに失敗するメラノーマの予測と同様に、各属性の予測を重要視した。 これらの制約に対処するため,臨床知識ベーストポロジカルグラフ (CKTG) とデータ駆動重み付け標準 (GD-DDW) を用いたグラディエント診断戦略 (GD-DDW) という,革新的な2つの要素を統合する新しい診断手法を導入する。 CKTGは7PCL属性と診断情報を統合し、内部および外部の関連を明らかにする。 適応性受容ドメインと重み付きエッジを用いてメラノーマの関連特徴の関連性を確立する。 同時に、GD-DDWは皮膚科医の診断プロセスをエミュレートする。 本モデルでは, 2つの画像モダリティを同一病変に用い, 包括的特徴取得を確実にする。 悪性黒色腫とその特徴を予測し,平均85%のAUC値が得られた。 これは7ポイントチェックリストアルゴリズムで利用可能な最大のデータセットであるEDRAデータセットで検証された。 具体的には、統合重み付けシステムにより、臨床医に評価のための貴重なデータ駆動ベンチマークを提供することができる。

関連論文リスト

• Texture Feature Analysis for Classification of Early-Stage Prostate Cancer in mpMRI [0.0]
  本研究では,一階統計的特徴,ハラリックテクスチャ的特徴,および局所二分法パターンによる分類への寄与を分析した。 我々は、分類結果を決定する少数の特徴を特定し、説明可能なAIアプローチの開発に役立つかもしれない。
  論文  参考訳（メタデータ） (2024-06-21T18:12:58Z)
• Self-Supervised Multi-Modality Learning for Multi-Label Skin Lesion Classification [15.757141597485374]
  マルチモーダル皮膚病変分類のための自己教師付き学習アルゴリズムを提案する。 本アルゴリズムは,2対の皮膚内視鏡像と臨床像との類似性を最大化することにより,マルチモーダリティ学習を実現する。 以上の結果から,我々のアルゴリズムは最先端のSSLよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2023-10-28T04:16:08Z)
• 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)
• Domain Invariant Model with Graph Convolutional Network for Mammogram Classification [49.691629817104925]
  グラフ畳み込みネットワークを用いたドメイン不変モデル(DIM-GCN)を提案する。 まず,潜伏変数を病原性その他の疾患関連部位に明示的に分解するベイズネットワークを提案する。 マクロな特徴をよりよく捉えるために、我々は、GCN(Graph Convolutional Network)を介して、観察された臨床特性を再構築の目的として活用する。
  論文  参考訳（メタデータ） (2022-04-21T08:23:44Z)
• 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)
• 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)
• Segmentation and ABCD rule extraction for skin tumors classification [0.0]
  悪性皮膚病変を鑑別するために臨床診断に用いたABCDルールに基づく自動診断システムを提案する。 このフレームワークは320枚の画像の皮膚科データベース [16] でテストされている。
  論文  参考訳（メタデータ） (2021-06-08T14:07:59Z)
• Act Like a Radiologist: Towards Reliable Multi-view Correspondence Reasoning for Mammogram Mass Detection [49.14070210387509]
  マンモグラム質量検出のための解剖学的グラフ畳み込みネットワーク(AGN)を提案する。 AGNはマンモグラムの質量検出用に調整されており、既存の検出手法を多視点推論能力で実現している。 2つの標準ベンチマークの実験によると、AGNは最先端のパフォーマンスを大幅に上回っている。
  論文  参考訳（メタデータ） (2021-05-21T06:48:34Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• PraNet: Parallel Reverse Attention Network for Polyp Segmentation [155.93344756264824]
  大腸内視鏡画像の高精度なポリープ分割のための並列リバースアテンションネットワーク(PraNet)を提案する。 並列部分復号器(PPD)を用いて,まず高層層に特徴を集約する。 さらに,エリアとバウンダリの関連性を確立するために,リバースアテンション(RA)モジュールを用いて境界キューをマイニングする。
  論文  参考訳（メタデータ） (2020-06-13T08:13:43Z)
• 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。