論文の概要: MpoxVLM: A Vision-Language Model for Diagnosing Skin Lesions from Mpox Virus Infection
- arxiv url: http://arxiv.org/abs/2411.10888v1
- Date: Sat, 16 Nov 2024 21:09:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-19 14:34:29.925337
- Title: MpoxVLM: A Vision-Language Model for Diagnosing Skin Lesions from Mpox Virus Infection
- Title（参考訳）: MpoxVLM : Mpoxウイルス感染皮膚病変の診断モデル
- Authors: Xu Cao, Wenqian Ye, Kenny Moise, Megan Coffee,
- Abstract要約: ムポックス(サルポックスウイルスによる)は、しばしば診断されない動物感染症の顕著な例である。
MpoxVLMは, 皮膚病変画像と患者臨床情報の両方を分析し, mpoxの検出を目的とした視覚言語モデル(VLM)を提案する。
本研究は, mpox検出における90.38%の精度を達成し, mpox対策における早期診断精度を向上させるための有望な経路を提供する。
- 参考スコア（独自算出の注目度）: 5.161537754987037
- License:
- Abstract: In the aftermath of the COVID-19 pandemic and amid accelerating climate change, emerging infectious diseases, particularly those arising from zoonotic spillover, remain a global threat. Mpox (caused by the monkeypox virus) is a notable example of a zoonotic infection that often goes undiagnosed, especially as its rash progresses through stages, complicating detection across diverse populations with different presentations. In August 2024, the WHO Director-General declared the mpox outbreak a public health emergency of international concern for a second time. Despite the deployment of deep learning techniques for detecting diseases from skin lesion images, a robust and publicly accessible foundation model for mpox diagnosis is still lacking due to the unavailability of open-source mpox skin lesion images, multimodal clinical data, and specialized training pipelines. To address this gap, we propose MpoxVLM, a vision-language model (VLM) designed to detect mpox by analyzing both skin lesion images and patient clinical information. MpoxVLM integrates the CLIP visual encoder, an enhanced Vision Transformer (ViT) classifier for skin lesions, and LLaMA-2-7B models, pre-trained and fine-tuned on visual instruction-following question-answer pairs from our newly released mpox skin lesion dataset. Our work achieves 90.38% accuracy for mpox detection, offering a promising pathway to improve early diagnostic accuracy in combating mpox.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックや気候変動が加速する中で、特に動物寄生虫による感染症が世界的な脅威となっている。
ムポックス(サルポックスウイルスによって引き起こされる)は、しばしば未診断の動物感染症の顕著な例である。
2024年8月、WHOの事務局長は、mpoxの流行を国際的懸念の公衆衛生上の緊急事態であると宣言した。
皮膚病変画像から疾患を検出するためのディープラーニング技術が展開されているにもかかわらず、オープンソースのmpox皮膚病変画像、マルチモーダル臨床データ、特殊な訓練パイプラインが利用できないため、ハンズオン診断のための堅牢で一般公開された基礎モデルはいまだに欠けている。
このギャップに対処するために,皮膚病変画像と患者臨床情報の両方を解析し,ハンポックスを検出するために設計された視覚言語モデル(VLM)であるMpoxVLMを提案する。
MpoxVLMは、CLIPビジュアルエンコーダ、視覚変換器(ViT)による皮膚病変の分類器、LLaMA-2-7Bモデルを統合する。
本研究は, mpox検出における90.38%の精度を達成し, mpox対策における早期診断精度を向上させるための有望な経路を提供する。
関連論文リスト
- Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。
本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
論文 参考訳（メタデータ） (2024-07-08T09:08:42Z) - A Recent Survey of the Advancements in Deep Learning Techniques for
Monkeypox Disease Detection [0.7179624965454197]
サルポックス(英: Monkeypox、MPox)は、MPoxウイルスによって引き起こされる動物感染症である。
本稿では, 皮膚病変画像におけるMPoxの自動検出のための深層学習法について, 広範囲にわたる解析を行った。
論文 参考訳（メタデータ） (2023-11-06T18:18:42Z) - 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) - Classification of Human Monkeypox Disease Using Deep Learning Models and
Attention Mechanisms [0.9257985820122999]
ヒトサルポックス病症候群はチキンポックスと非常によく似ており、麻疹の古典的な症状である。
さまざまなディープラーニング手法が、画像に基づく新型コロナウイルスの診断において有望なパフォーマンスを示している。
Xception-CBAM-Dense層からなるアーキテクチャは、ヒトサルポックスの分類において他のモデルよりも優れた性能を示した。
論文 参考訳（メタデータ） (2022-11-21T13:30:34Z) - Transfer learning and Local interpretable model agnostic based visual
approach in Monkeypox Disease Detection and Classification: A Deep Learning
insights [0.0]
近年のサルポックス病は、世界がまだコロナウイルス病2019(COVID-19)と戦っているときに、世界的なパンデミックの脅威となる。
我々は、VGG16、InceptionResNetV2、ResNet50、ResNet101、MobileNetV2、VGG19を用いたトランスファー学習アプローチの6つの異なるディープラーニングモデルの修正とテストを行った。
予備計算の結果,改良型InceptionResNetV2モデルとMobileNetV2モデルは,93%から99%の精度で高い性能を示した。
論文 参考訳（メタデータ） (2022-11-01T18:07:34Z) - Image Data collection and implementation of deep learning-based model in
detecting Monkeypox disease using modified VGG16 [0.0]
新たに開発された"Monkeypox2022"データセットを紹介します。
研究1と2の2つの異なる研究を含む改良VGG16モデルを提案し評価する。
検討の結果,サルポックス患者を9.7pm1.8%の精度で同定できることが示唆された。
論文 参考訳（メタデータ） (2022-06-04T00:34:15Z) - COVID-Net Biochem: An Explainability-driven Framework to Building
Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19
Patients from Clinical and Biochemistry Data [66.43957431843324]
我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。
この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
論文 参考訳（メタデータ） (2022-04-24T07:38:37Z) - COVID-19 Detection from Chest X-ray Images using Imprinted Weights
Approach [67.05664774727208]
胸部X線撮影は、COVID-19の代替スクリーニング方法です。
コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。
この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
論文 参考訳（メタデータ） (2021-05-04T19:01:40Z) - COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data
for AI-driven COVID-19 analytics [116.6248556979572]
COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。
肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
論文 参考訳（メタデータ） (2021-03-18T03:31:33Z) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳（メタデータ） (2020-06-05T02:04:25Z) - Viral Pneumonia Screening on Chest X-ray Images Using Confidence-Aware
Anomaly Detection [86.81773672627406]
短期間のウイルス性肺炎の集団は、SARS、MERS、最近のCOVID-19のような流行やパンデミックのハービンガーである可能性がある。
胸部X線によるウイルス性肺炎の迅速かつ正確な検出は,大規模スクリーニングや流行予防に有用である。
ウイルス性肺炎はしばしば多彩な原因を持ち、X線画像に顕著な視覚的外観を示す。
論文 参考訳（メタデータ） (2020-03-27T11:32:18Z)
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。