論文の概要: Increasing Rosacea Awareness Among Population Using Deep Learning and Statistical Approaches

• arxiv url: http://arxiv.org/abs/2411.07074v2
• Date: Sat, 16 Nov 2024 22:27:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-19 14:29:01.056779
• Title: Increasing Rosacea Awareness Among Population Using Deep Learning and Statistical Approaches
• Title（参考訳）: 深層学習と統計的アプローチによる人口のロサセア意識の増大
• Authors: Chengyu Yang, Chengjun Liu,
• Abstract要約: 本稿では,深層学習と説明可能な統計的アプローチを用いたロザス検出法について述べる。 提案手法は,ロザセアに苦しむ患者と,この疾患を清潔にしている患者とを自動的に区別することができる。 そして最後に、提案手法は、ロザセアが早期に治療可能であることから、この疾患に苦しむ患者に早期治療の可能性を思い出させるのに役立つ。
• 参考スコア（独自算出の注目度）: 5.747172898125006
• License:
• Abstract: Approximately 16 million Americans suffer from rosacea according to the National Rosacea Society. To increase rosacea awareness, automatic rosacea detection methods using deep learning and explainable statistical approaches are presented in this paper. The deep learning method applies the ResNet-18 for rosacea detection, and the statistical approaches utilize the means of the two classes, namely, the rosacea class vs. the normal class, and the principal component analysis to extract features from the facial images for automatic rosacea detection. The contributions of the proposed methods are three-fold. First, the proposed methods are able to automatically distinguish patients who are suffering from rosacea from people who are clean of this disease. Second, the statistical approaches address the explainability issue that allows doctors and patients to understand and trust the results. And finally, the proposed methods will not only help increase rosacea awareness in the general population but also help remind the patients who suffer from this disease of possible early treatment since rosacea is more treatable at its early stages. The code and data are available at https://github.com/chengyuyang-njit/rosacea_detection.git.
• Abstract（参考訳）: 全米ロザセア協会によると、約1600万人のアメリカ人がロザセアに苦しんでいる。 本稿では,ロザセア認識を高めるために,深層学習と説明可能な統計的アプローチを用いた自動ロザセア検出手法を提案する。 深層学習法では、ロザサ検出にResNet-18を適用し、統計学的手法では、2つのクラス、すなわち、ロザサクラス対正常クラス、および主成分分析を用いて、顔画像から特徴を抽出し、自動ロザサ検出を行う。 提案手法の貢献は3倍である。 まず,ロザセアに苦しむ患者と,この疾患を清潔にしている患者を自動的に区別する手法を提案する。 第二に、統計学的アプローチは、医師と患者が結果を理解し、信頼することを可能にする説明可能性の問題に対処する。 そして最後に、提案手法は、一般市民のロザセア認知を高めるだけでなく、ロザセアが早期に治療可能であることから、この疾患に罹患した患者を思い出させるのに役立つ。 コードとデータはhttps://github.com/chengyuyang-njit/rosacea_detection.gitで公開されている。

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)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Concept explainability for plant diseases classification [0.0]
  植物病は食料の安全と農業の持続可能性にとって重大な脅威である。 本研究では,概念活性化ベクトルを用いたテスト(TCAV)と呼ばれる手法を,画素からユーザ定義概念へ焦点を移す手法として展開する。 その結果, 概念に基づく説明手法は, 植物病の自動同定に有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-09-15T19:57:50Z)
• Smart ROI Detection for Alzheimer's disease prediction using explainable AI [1.9036571490366494]
  有名なADNIデータセットのMCI患者176名を対象に本手法を実装した。 5倍のクロスバリデーションで取得した精度は98.6で、AUCは1。 自動でROIを抽出するスマートROI抽出法は,アルツハイマー病の予測に有効である。
  論文  参考訳（メタデータ） (2023-03-18T11:58:56Z)
• High Fidelity Synthetic Face Generation for Rosacea Skin Condition from Limited Data [0.27998963147546135]
  StyleGANは主にStyleGANの変種であるが、合成顔画像の生成において有望な結果を示している。 300枚のフルフェイス画像を持つRosaceaの小さなデータセットを使用して、合成データを生成する可能性をさらに調査する。 予備実験では、モデルが微調整され、様々な実験条件がロサチアの特徴の忠実さにどのように影響するかが示されている。
  論文  参考訳（メタデータ） (2023-03-08T19:18:58Z)
• Wound Severity Classification using Deep Neural Network [3.702631194466718]
  本研究では、創傷画像を用いて、ディープニューラルネットワークに基づく創傷重症度分類器を構築する。 グリーンクラスは治癒の初期段階にある傷を指しており、適切な治療を施して回復する可能性が高い。 黄色のクラスは、グリーンカテゴリーのものよりも注意と治療を必要とする傷を指す。 レッドクラスは、急激な注意と治療を必要とする最も重い傷を指す。
  論文  参考訳（メタデータ） (2022-04-17T06:39:40Z)
• Automatic Facial Skin Feature Detection for Everyone [60.31670960526022]
  本研究では,野生の自撮り自撮りのために,さまざまな肌のトーンと年齢群にまたがって機能する顔顔の特徴自動検出法を提案する。 具体的には,肌の色,重度度,照明条件の異なる自撮り画像に対して,アクネ,顔料,ニキビの位置を注釈する。
  論文  参考訳（メタデータ） (2022-03-30T04:52:54Z)
• A Survey on Masked Facial Detection Methods and Datasets for Fighting Against COVID-19 [64.88701052813462]
  新型コロナウイルス感染症2019(COVID-19)は、感染拡大以来、世界にとって大きな課題となっている。 この病気と闘うために、一連の人工知能(AI)技術が開発され、現実世界のシナリオに適用される。 本稿では主に、マスク付き顔検出と関連するデータセットのAI技術に焦点を当てる。
  論文  参考訳（メタデータ） (2022-01-13T03:28:20Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• 3D Convolutional Neural Networks for Stalled Brain Capillary Detection [72.21315180830733]
  脳毛細血管の血流停止などの脳血管障害は、アルツハイマー病の認知機能低下と病態形成と関連している。 本稿では,3次元畳み込みニューラルネットワークを用いた脳画像中の毛細血管の自動検出のための深層学習に基づくアプローチについて述べる。 本手法は,他の手法よりも優れ,0.85マシューズ相関係数,85%感度,99.3%特異性を達成した。
  論文  参考訳（メタデータ） (2021-04-04T20:30:14Z)

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。