論文の概要: A Study of Data Augmentation Techniques to Overcome Data Scarcity in Wound Classification using Deep Learning

• arxiv url: http://arxiv.org/abs/2411.02456v1
• Date: Mon, 04 Nov 2024 00:24:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-06 14:59:07.348051
• Title: A Study of Data Augmentation Techniques to Overcome Data Scarcity in Wound Classification using Deep Learning
• Title（参考訳）: 深層学習を用いたワーンド分類におけるデータの空白化のためのデータ拡張手法の検討
• Authors: Harini Narayanan, Sindhu Ghanta,
• Abstract要約: データ拡張により、最先端モデル上での分類性能、F1スコアが最大11%向上することを示す。 GANをベースとした拡張実験により, DE-GANを用いて創傷像をよりリッチに生成できることが証明された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Chronic wounds are a significant burden on individuals and the healthcare system, affecting millions of people and incurring high costs. Wound classification using deep learning techniques is a promising approach for faster diagnosis and treatment initiation. However, lack of high quality data to train the ML models is a major challenge to realize the potential of ML in wound care. In fact, data limitations are the biggest challenge in studies using medical or forensic imaging today. We study data augmentation techniques that can be used to overcome the data scarcity limitations and unlock the potential of deep learning based solutions. In our study we explore a range of data augmentation techniques from geometric transformations of wound images to advanced GANs, to enrich and expand datasets. Using the Keras, Tensorflow, and Pandas libraries, we implemented the data augmentation techniques that can generate realistic wound images. We show that geometric data augmentation can improve classification performance, F1 scores, by up to 11% on top of state-of-the-art models, across several key classes of wounds. Our experiments with GAN based augmentation prove the viability of using DE-GANs to generate wound images with richer variations. Our study and results show that data augmentation is a valuable privacy-preserving tool with huge potential to overcome the data scarcity limitations and we believe it will be part of any real-world ML-based wound care system.
• Abstract（参考訳）: 慢性的な傷は個人や医療システムにとって重大な負担であり、何百万人もの人に影響を与え、高いコストをもたらす。 深層学習技術を用いた創傷分類は診断と治療開始の迅速化に有望なアプローチである。 しかし、MLモデルをトレーニングするための高品質なデータが欠如していることは、創傷治療におけるMLの可能性を実現する上で大きな課題である。 実際、データ制限は今日、医学的または法医学的な画像を用いた研究において最大の課題である。 我々は、データ不足の限界を克服し、ディープラーニングベースのソリューションの可能性を解き放つために使用できるデータ拡張技術について研究する。 本研究では,創傷画像の幾何学的変換から高度なGANへのデータ拡張手法を探索し,データセットを拡張・拡張する。 我々は,Keras,Tensorflow,Pandasの各ライブラリを用いて,現実的な創傷画像を生成するデータ拡張手法を実装した。 幾何的データ拡張は、いくつかのキークラスの傷に対して、最先端モデル上での分類性能、F1スコアを最大11%向上させることができることを示す。 GANをベースとした拡張実験により, DE-GANを用いて創傷像をよりリッチに生成できることが証明された。 我々の研究と結果によると、データ強化はデータ不足の限界を克服する大きな可能性を秘めている貴重なプライバシー保護ツールであり、実際のMLベースの創傷治療システムの一部であると信じている。

関連論文リスト

• Improving Deep Learning-based Automatic Cranial Defect Reconstruction by Heavy Data Augmentation: From Image Registration to Latent Diffusion Models [0.2911706166691895]
  この研究は、パーソナライズされた頭蓋インプラントの自動モデリングにおける人工知能の分野に多大な貢献をしている。 重データの増大が定量的および定性的な結果の両方を著しく増加させることを示す。 また, 人工的に拡張したネットワークは, 実際の臨床的欠陥を再構築することに成功した。
  論文  参考訳（メタデータ） (2024-06-10T15:34:23Z)
• Amplifying Pathological Detection in EEG Signaling Pathways through Cross-Dataset Transfer Learning [10.212217551908525]
  実世界の病理分類課題におけるデータとモデルスケーリングとデータセット間の知識伝達の有効性について検討する。 ネガティブトランスファーの可能性の課題を特定し、いくつかの重要なコンポーネントの重要性を強調する。 以上の結果から,小規模で汎用的なモデル(ShallowNetなど)は単一データセット上では良好に動作するが,大規模なモデル(TCNなど)では,大規模かつ多様なデータセットからの転送や学習がより優れていることが示唆された。
  論文  参考訳（メタデータ） (2023-09-19T20:09:15Z)
• The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
  この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。 我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。 このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-13T10:40:41Z)
• Performance of GAN-based augmentation for deep learning COVID-19 image classification [57.1795052451257]
  ディープラーニングを医療分野に適用する上で最大の課題は、トレーニングデータの提供である。 データ拡張は、限られたデータセットに直面した時に機械学習で使用される典型的な方法論である。 本研究は, 新型コロナウイルスの胸部X線画像セットを限定して, StyleGAN2-ADAモデルを用いて訓練するものである。
  論文  参考訳（メタデータ） (2023-04-18T15:39:58Z)
• Diffusion-based Data Augmentation for Skin Disease Classification: Impact Across Original Medical Datasets to Fully Synthetic Images [2.5075774184834803]
  深層ニューラルネットワークは、過度な適合を避けるために、依然として大量のトレーニングデータに依存している。 医療のような現実世界のアプリケーションのためのラベル付きトレーニングデータには制限があり、アクセスが困難である。 我々は,我々の大脳皮質皮膚疾患データセットのトレーニングサンプルを増強する上で,テキスト・画像拡散確率モデルの成功を生かした。
  論文  参考訳（メタデータ） (2023-01-12T04:22:23Z)
• Advanced Data Augmentation Approaches: A Comprehensive Survey and Future directions [57.30984060215482]
  データ拡張の背景、レビューされたデータ拡張技術の新しい包括的分類法、および各技術の強さと弱点(可能ならば)を提供する。 また、画像分類、オブジェクト検出、セマンティックセグメンテーションなどの3つの一般的なコンピュータビジョンタスクに対して、データ拡張効果の総合的な結果を提供する。
  論文  参考訳（メタデータ） (2023-01-07T11:37:32Z)
• Local Magnification for Data and Feature Augmentation [53.04028225837681]
  LOMA(Local Magnification)と呼ばれる,実装が容易かつモデルフリーなデータ拡張手法を提案する。 LOMAは、画像の局所領域をランダムに拡大することにより、追加のトレーニングデータを生成する。 実験の結果,提案するLOMAと標準データ拡張を組み合わせることで,画像分類や物体検出の性能を大幅に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2022-11-15T02:51:59Z)
• Improved Techniques for the Conditional Generative Augmentation of Clinical Audio Data [36.45569352490318]
  本稿では,学習したデータ分布からメルスペクトルを合成できる条件付き逆方向ニューラルネットワークによる拡張法を提案する。 提案手法は,従来の音質向上手法よりも優れていることを示す。 提案モデルは,臨床オーディオデータの増大における最先端の進歩と,臨床音響センシングシステムの設計におけるデータのボトルネックを改善する。
  論文  参考訳（メタデータ） (2022-11-05T10:58:04Z)
• Random Data Augmentation based Enhancement: A Generalized Enhancement Approach for Medical Datasets [8.844562557753399]
  本稿では、DLの医療データ品質を改善するために、一般化された、データに依存しない、効率的な拡張手法を開発する。 画質は、画像の明るさとコントラストを改善することで向上する。 新型コロナウイルスの胸部X線、KiTS19、LC25000データセットによるRGB画像の実験が実施されている。
  論文  参考訳（メタデータ） (2022-10-03T11:16:22Z)
• Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
  一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。 医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。 外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
  論文  参考訳（メタデータ） (2022-07-01T14:17:11Z)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)

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。