論文の概要: Attention Based Feature Fusion Network for Monkeypox Skin Lesion Detection

• arxiv url: http://arxiv.org/abs/2408.06640v1
• Date: Tue, 13 Aug 2024 05:21:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-14 18:36:27.414994
• Title: Attention Based Feature Fusion Network for Monkeypox Skin Lesion Detection
• Title（参考訳）: サルポックス皮膚病変検出のための注意型特徴融合ネットワーク
• Authors: Niloy Kumar Kundu, Mainul Karim, Sarah Kobir, Dewan Md. Farid,
• Abstract要約: 最近のサルポックスの流行は公衆衛生に重大な懸念をもたらしている。 深層学習アルゴリズムは、新型コロナウイルス(COVID-19)を含む病気の特定に利用できる。 本稿では,ヒトサルポックス病を分類するために,事前学習した2つのアーキテクチャをマージする軽量モデルを提案する。
• 参考スコア（独自算出の注目度）: 0.09642500063568188
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The recent monkeypox outbreak has raised significant public health concerns due to its rapid spread across multiple countries. Monkeypox can be difficult to distinguish from chickenpox and measles in the early stages because the symptoms of all three diseases are similar. Modern deep learning algorithms can be used to identify diseases, including COVID-19, by analyzing images of the affected areas. In this study, we introduce a lightweight model that merges two pre-trained architectures, EfficientNetV2B3 and ResNet151V2, to classify human monkeypox disease. We have also incorporated the squeeze-and-excitation attention network module to focus on the important parts of the feature maps for classifying the monkeypox images. This attention module provides channels and spatial attention to highlight significant areas within feature maps. We evaluated the effectiveness of our model by extensively testing it on a publicly available Monkeypox Skin Lesions Dataset using a four-fold cross-validation approach. The evaluation metrics of our model were compared with the existing others. Our model achieves a mean validation accuracy of 96.52%, with precision, recall, and F1-score values of 96.58%, 96.52%, and 96.51%, respectively.
• Abstract（参考訳）: 最近のサルポックスの流行は、複数の国で急速に広まっているため、公衆衛生上の懸念が高まりつつある。 サルポックスは3つの疾患の症状が類似しているため、早期の鶏痘や麻疹と区別することは困難である。 現代のディープラーニングアルゴリズムは、影響を受けた地域の画像を分析することで、新型コロナウイルスを含む病気を識別するために使用することができる。 本研究では,ヒトサルポックス病を分類するために,事前学習した2つのアーキテクチャであるEfficientNetV2B3とResNet151V2を統合する軽量モデルを提案する。 また,サルポックス画像の分類において,特徴マップの重要な部分に焦点をあてるために,Switch-and-excitation attention networkモジュールを組み込んだ。 このアテンションモジュールはチャンネルと空間的アテンションを提供し、特徴マップ内の重要な領域をハイライトする。 4倍のクロスバリデーション手法を用いて,一般公開されたMonkeypox Skin Lesions Dataset上で広範囲にテストし,本モデルの有効性を評価した。 モデルの評価基準を既存モデルと比較した。 我々のモデルは、96.52%の平均検証精度を、精度、リコール、F1スコア値はそれぞれ96.58%、96.52%、96.51%と達成している。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Mpox Screen Lite: AI-Driven On-Device Offline Mpox Screening for Low-Resource African Mpox Emergency Response [0.0]
  2024年のMpoxの流行は、特にアフリカで重篤な1bの出現で、資源制限された環境での診断能力に重大なギャップが浮き彫りになっている。 本研究の目的は、低リソース環境でオフラインで動作するように設計されたMpox用のAI駆動オンデバイススクリーニングツールの開発と評価である。
  論文  参考訳（メタデータ） (2024-09-05T11:18:34Z)
• MpoxSLDNet: A Novel CNN Model for Detecting Monkeypox Lesions and Performance Comparison with Pre-trained Models [0.7628351525795085]
  本研究は,サルポックス病変の早期発見と分類を容易にするため,MpoxSLDNet(Monkeypox Skin Lesion Detector Network)を提案する。 MpoxSLDNetは、VGG16、ResNet50、DenseNet121といった従来のトレーニング済みモデルと比較して、精度、リコール、F1スコア、精度、AUCなどの優れたパフォーマンス指標を提供する。 検証精度は86.25%、84.38%、VGG16、DenseNet121、ResNet50の67.19%に対して94.56%に達した。
  論文  参考訳（メタデータ） (2024-05-31T17:05:59Z)
• Monkeypox disease recognition model based on improved SE-InceptionV3 [0.0]
  本研究はSE-InceptionV3モデルを改良し,SENetモジュールを組み込み,インセプションV3フレームワークにL2正規化を組み込むことでサルポックス病の検出を向上する。 本モデルは,テストセットにおいて96.71%の精度を示し,従来の手法やディープラーニングモデルよりも優れていた。
  論文  参考訳（メタデータ） (2024-03-15T08:01:44Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• How Does Pruning Impact Long-Tailed Multi-Label Medical Image Classifiers? [49.35105290167996]
  プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。 この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
  論文  参考訳（メタデータ） (2023-08-17T20:40:30Z)
• A Web-based Mpox Skin Lesion Detection System Using State-of-the-art Deep Learning Models Considering Racial Diversity [1.846958522363092]
  以前は「モンキーポックス」と呼ばれていた「ムポックス」は、公衆衛生上重要な問題となり、世界中で110か国以上に広まっている。 ポリメラーゼ連鎖反応(PCR)に基づく診断がすぐには利用できない場合に、コンピュータ支援スクリーニングツールが有用であることが証明されている。 深層学習法は複雑なデータ表現を学習する上で強力であるが、その有効性は主に適切なトレーニングデータに依存している。
  論文  参考訳（メタデータ） (2023-06-25T08:23:44Z)
• Mine yOur owN Anatomy: Revisiting Medical Image Segmentation with Extremely Limited Labels [54.58539616385138]
  我々は、Mine yOur owN Anatomy (MONA) と呼ばれる、新しい半教師付き2次元医用画像セグメンテーションフレームワークを紹介する。 まず、先行研究では、すべてのピクセルがモデルトレーニングに等しく重要であると論じており、我々はこの1つだけで意味のある解剖学的特徴を定義できないことを経験的に観察している。 第2に,医療画像を解剖学的特徴の集合に分解できるモデルを構築する。
  論文  参考訳（メタデータ） (2022-09-27T15:50:31Z)
• Monkeypox Skin Lesion Detection Using Deep Learning Models: A Feasibility Study [1.9395755884693817]
  最近のサルポックスの流行は、アフリカ以外の40カ国で急速に拡大しているため、公衆衛生上の問題となっている。 サルポックス病変のコンピュータによる検出は, 疑われる症例の迅速同定と監視に有用であると考えられた。 深層学習法は皮膚病変の自動検出に有効である。
  論文  参考訳（メタデータ） (2022-07-06T09:09:28Z)
• Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
  6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。 グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。 当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
  論文  参考訳（メタデータ） (2022-04-22T17:27:00Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)

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。