論文の概要: An Enhanced Harmonic Densely Connected Hybrid Transformer Network Architecture for Chronic Wound Segmentation Utilising Multi-Colour Space Tensor Merging

• arxiv url: http://arxiv.org/abs/2410.03359v1
• Date: Fri, 4 Oct 2024 12:26:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-02 22:48:52.583469
• Title: An Enhanced Harmonic Densely Connected Hybrid Transformer Network Architecture for Chronic Wound Segmentation Utilising Multi-Colour Space Tensor Merging
• Title（参考訳）: マルチカラー空間テンソルマージを利用した高調波高調波結合ハイブリッド変圧器ネットワークアーキテクチャ
• Authors: Bill Cassidy, Christian Mcbride, Connah Kendrick, Neil D. Reeves, Joseph M. Pappachan, Cornelius J. Fernandez, Elias Chacko, Raphael Brüngel, Christoph M. Friedrich, Metib Alotaibi, Abdullah Abdulaziz AlWabel, Mohammad Alderwish, Kuan-Ying Lai, Moi Hoon Yap,
• Abstract要約: 静脈、動脈、糖尿病、圧傷は世界中でますます一般的になりつつある。 HarDNetセグメンテーションアーキテクチャは、特徴学習を強化するために、ネットワークの初期層にコントラスト除去コンポーネントを統合する。 本研究は, 創傷画像のみを訓練したモデルを用いて, 慢性的な創傷セグメント化のための黒色色調に焦点を当てた最初の研究である。
• 参考スコア（独自算出の注目度）: 5.480876321372602
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Chronic wounds and associated complications present ever growing burdens for clinics and hospitals world wide. Venous, arterial, diabetic, and pressure wounds are becoming increasingly common globally. These conditions can result in highly debilitating repercussions for those affected, with limb amputations and increased mortality risk resulting from infection becoming more common. New methods to assist clinicians in chronic wound care are therefore vital to maintain high quality care standards. This paper presents an improved HarDNet segmentation architecture which integrates a contrast-eliminating component in the initial layers of the network to enhance feature learning. We also utilise a multi-colour space tensor merging process and adjust the harmonic shape of the convolution blocks to facilitate these additional features. We train our proposed model using wound images from light-skinned patients and test the model on two test sets (one set with ground truth, and one without) comprising only darker-skinned cases. Subjective ratings are obtained from clinical wound experts with intraclass correlation coefficient used to determine inter-rater reliability. For the dark-skin tone test set with ground truth, we demonstrate improvements in terms of Dice similarity coefficient (+0.1221) and intersection over union (+0.1274). Qualitative analysis showed high expert ratings, with improvements of >3% demonstrated when comparing the baseline model with the proposed model. This paper presents the first study to focus on darker-skin tones for chronic wound segmentation using models trained only on wound images exhibiting lighter skin. Diabetes is highly prevalent in countries where patients have darker skin tones, highlighting the need for a greater focus on such cases. Additionally, we conduct the largest qualitative study to date for chronic wound segmentation.
• Abstract（参考訳）: 慢性的な傷や合併症は、世界中のクリニックや病院の負担を増大させ続けている。 静脈、動脈、糖尿病、圧傷は世界中でますます一般的になりつつある。 これらの状態は、感染によって引き起こされる手足の切断や死亡リスクの増加により、感染した人に対する非常に不安定な反感を引き起こす可能性がある。 したがって、慢性的な創傷治療において、臨床医を支援する新しい方法が、高品質なケア基準を維持する上で不可欠である。 本稿では,ネットワークの初期層にコントラスト除去コンポーネントを統合し,特徴学習を強化する改良型HarDNetセグメンテーションアーキテクチャを提案する。 また、マルチカラー空間テンソルマージプロセスを利用し、畳み込みブロックの調和形状を調整し、これらの追加的特徴を容易にする。 提案モデルでは,光肌患者の創傷画像を用いてトレーニングを行い,より暗い肌の症例のみからなる2つのテストセット(1セットは真実,もう1セットは不要)でモデルをテストする。 主観的評価は, クラス内相関係数を指標とした臨床創傷専門家から得られた。 土台真実を含む暗色の音色検定では、Dice類似度係数(+0.1221)と結合(+0.1274)の交叉による改善を実証する。 定性分析では, 基準モデルと提案モデルを比較した場合, 3%に改善が認められた。 本研究は, 創傷画像のみを訓練したモデルを用いて, 慢性的な創傷セグメント化のための黒色色調に焦点を当てた最初の研究である。 糖尿病は、患者がより暗い肌の色合いを持つ国で流行し、そのようなケースにもっと焦点を合わせる必要があることを強調している。 また, 慢性的な創傷断裂に対して, 今までで最大の定性的研究を行った。

関連論文リスト

• FairSkin: Fair Diffusion for Skin Disease Image Generation [54.29840149709033]
  拡散モデル (DM) は, 合成医用画像の生成において主要な手法となっているが, 臨界二倍偏差に悩まされている。 このようなバイアスを3段階のリサンプリング機構によって緩和する新しいDMフレームワークであるFairSkinを提案する。 本手法は, 画像の多様性と品質を著しく向上させ, 臨床環境における皮膚疾患の検出精度の向上に寄与する。
  論文  参考訳（メタデータ） (2024-10-29T21:37:03Z)
• Evaluating Machine Learning-based Skin Cancer Diagnosis [0.0]
  この研究は、MobileNetベースのモデルとカスタムCNNモデルの2つの畳み込みニューラルネットワークアーキテクチャを評価する。 どちらのモデルも、皮膚病変を7つのカテゴリに分類し、危険病変と良性病変を区別する能力について評価されている。 この研究は、モデルが説明可能性を示す一方で、異なる肌のトーンの公平性を確保するためにさらなる開発が必要であると結論付けている。
  論文  参考訳（メタデータ） (2024-09-04T02:44:48Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)
• Visualizing CoAtNet Predictions for Aiding Melanoma Detection [0.0]
  本稿では,CoAtNetアーキテクチャを用いたマルチクラス分類タスクを提案する。 全体的な精度は0.901, 0.895, AP 0.923で、他の最先端ネットワークと比較して高い性能を示している。
  論文  参考訳（メタデータ） (2022-05-21T06:41:52Z)
• EdgeMixup: Improving Fairness for Skin Disease Classification and Segmentation [9.750368551427494]
  皮膚病変は、広範囲の感染症やその他の病気の早期の指標である可能性がある。 深層学習(DL)モデルを用いた皮膚病変の診断は,プレスクリーニング患者を支援できる可能性が高い。 これらのモデルは、トレーニングデータに固有のバイアスを学習することが多く、ライトやダークスキンのトーンを持つ人の診断において、パフォーマンスのギャップを生じさせる可能性がある。
  論文  参考訳（メタデータ） (2022-02-28T15:33:31Z)
• External Attention Assisted Multi-Phase Splenic Vascular Injury Segmentation with Limited Data [72.99534552950138]
  脾臓は腹部外傷において最も多く損傷を受けた固形臓器の1つである。 脾臓血管損傷の 正確な分節化は 以下の理由から 困難です
  論文  参考訳（メタデータ） (2022-01-04T02:35:56Z)
• On the Robustness of Pretraining and Self-Supervision for a Deep Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
  糖尿病網膜症における訓練方法の違いによる影響を比較検討した。 本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。 以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2021-06-25T08:32:45Z)
• Leveraging Adaptive Color Augmentation in Convolutional Neural Networks for Deep Skin Lesion Segmentation [0.0]
  データ表現とモデル性能を増幅する適応色拡張手法を提案する。 正常な皮膚組織に対して皮膚病変を識別するためのネットワークによって得られた意味的構造的特徴を質的に同定し,検証した。
  論文  参考訳（メタデータ） (2020-10-31T00:16:23Z)
• Predictive Modeling of ICU Healthcare-Associated Infections from Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling Approach [55.41644538483948]
  本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。 感染発生率の低減に向けた意思決定を支援することを目的とする。
  論文  参考訳（メタデータ） (2020-05-07T16:13:12Z)
• CS-AF: A Cost-sensitive Multi-classifier Active Fusion Framework for Skin Lesion Classification [9.265557367859637]
  畳み込みニューラルネットワーク(CNN)は皮膚病変解析において最先端の性能を達成した。 皮膚病変分類のための費用感受性多型化能動核融合フレームワークCS-AFを提案する。
  論文  参考訳（メタデータ） (2020-04-25T05:48:14Z)

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。