論文の概要: A Novel Approach using CapsNet and Deep Belief Network for Detection and Identification of Oral Leukopenia
- arxiv url: http://arxiv.org/abs/2501.00876v1
- Date: Wed, 01 Jan 2025 15:45:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-05 17:15:14.888432
- Title: A Novel Approach using CapsNet and Deep Belief Network for Detection and Identification of Oral Leukopenia
- Title（参考訳）: CapsNetとDeep Belief Networkを用いた経口白血球の検出と同定
- Authors: Hirthik Mathesh GV, Kavin Chakravarthy M, Sentil Pandi S,
- Abstract要約: 本研究は,深層学習による口腔病変の自動検出と分類のための2つのコンピュータビジョン手法について検討した。
予備的な知見は、ディープラーニングがこの複雑な問題に対処する能力を持っていることを示唆している。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Oral cancer constitutes a significant global health concern, resulting in 277,484 fatalities in 2023, with the highest prevalence observed in low- and middle-income nations. Facilitating automation in the detection of possibly malignant and malignant lesions in the oral cavity could result in cost-effective and early disease diagnosis. Establishing an extensive repository of meticulously annotated oral lesions is essential. In this research photos are being collected from global clinical experts, who have been equipped with an annotation tool to generate comprehensive labelling. This research presents a novel approach for integrating bounding box annotations from various doctors. Additionally, Deep Belief Network combined with CAPSNET is employed to develop automated systems that extracted intricate patterns to address this challenging problem. This study evaluated two deep learning-based computer vision methodologies for the automated detection and classification of oral lesions to facilitate the early detection of oral cancer: image classification utilizing CAPSNET. Image classification attained an F1 score of 94.23% for detecting photos with lesions 93.46% for identifying images necessitating referral. Object detection attained an F1 score of 89.34% for identifying lesions for referral. Subsequent performances are documented about classification based on the sort of referral decision. Our preliminary findings indicate that deep learning possesses the capability to address this complex problem.
- Abstract（参考訳）: 口腔がんは、2023年に277,484人が死亡し、低所得国と中所得国で最も死亡率が高い。
口腔内の悪性病変や悪性病変の検出における自動化の促進は、費用対効果と早期疾患の診断をもたらす可能性がある。
注記的注記による広範囲な口腔病変の保存の確立が不可欠である。
この研究写真は、包括的なラベリングを生成するアノテーションツールを備えた世界中の臨床専門家から収集されている。
本研究は,種々の医師のボックスアノテーションを統合するための新しいアプローチを提案する。
さらに、この課題に対処するために、Deep Belief NetworkとCAPSNETを組み合わせて複雑なパターンを抽出する自動システムを開発する。
本研究は, 口腔癌の早期発見を容易にするために, 口腔病変の自動検出と分類のための深層学習型コンピュータビジョン手法を2つ評価した。
画像分類は、参照を必要とする画像を特定するために93.46%の病変のある写真を検出するために94.23%のF1スコアを得た。
対象物検出は、参照の病変を特定するために、89.34%のF1スコアを得た。
その後の業績は、参照決定の種類に基づく分類について記録される。
予備的な知見は、ディープラーニングがこの複雑な問題に対処する能力を持っていることを示唆している。
関連論文リスト
- Exploring Explainable AI Techniques for Improved Interpretability in Lung and Colon Cancer Classification [0.0]
肺がんと大腸がんは世界中で深刻な健康上の問題であり、死亡リスクを減らすためには早期かつ正確な診断が必要である。
組織学は依然として金の標準であり続けているが、サーバ間のミスには時間がかかり、脆弱である。
近年のディープラーニングの進歩は、医療画像解析への応用への関心を生んでいる。
論文 参考訳（メタデータ） (2024-05-07T18:49:34Z) - 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) - WSSS4LUAD: Grand Challenge on Weakly-supervised Tissue Semantic
Segmentation for Lung Adenocarcinoma [51.50991881342181]
この課題には10,091個のパッチレベルのアノテーションと1300万以上のラベル付きピクセルが含まれる。
第一位チームは0.8413mIoUを達成した(腫瘍:0.8389、ストーマ:0.7931、正常:0.8919)。
論文 参考訳（メタデータ） (2022-04-13T15:27:05Z) - Unsupervised deep learning techniques for powdery mildew recognition
based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。
マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。
本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文 参考訳（メタデータ） (2021-12-20T13:29:13Z) - DenseNet approach to segmentation and classification of dermatoscopic
skin lesions images [0.0]
本稿では,2つのアーキテクチャを用いた皮膚病変の分類と分類の改善手法を提案する。
U-NetとDenseNet121の組み合わせは、皮膚内視鏡画像解析において許容できる結果を提供する。
DenseNet121ネットワークでは、それぞれ79.49%と93.11%の精度で癌と非癌サンプルが検出された。
論文 参考訳（メタデータ） (2021-10-09T19:12:23Z) - Assessing glaucoma in retinal fundus photographs using Deep Feature
Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。
緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。
ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文 参考訳（メタデータ） (2021-10-04T16:06:49Z) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳（メタデータ） (2021-05-20T18:13:58Z) - A novel multiple instance learning framework for COVID-19 severity
assessment via data augmentation and self-supervised learning [64.90342559393275]
新型コロナウイルスの重症度を迅速かつ正確に評価する方法は、世界中の何百万人もの人々がパンデミックに苦しんでいる場合に必要不可欠な問題だ。
CT画像による新型コロナウイルスの重症度自動評価を妨害する可能性のある、弱いアノテーションと不十分なデータという2つの問題があることを観察する。
平均精度は95.8%で、感度は93.6%、特異性は96.4%で、前作より優れていた。
論文 参考訳（メタデータ） (2021-02-07T16:30:18Z) - An Explainable AI System for Automated COVID-19 Assessment and Lesion
Categorization from CT-scans [8.694504007704994]
SARS-CoV-2病原体による新型コロナウイルス感染症は、世界中で壊滅的なパンデミックである。
深層学習パラダイムに基づくAIを用いたパイプラインを提案し,CTスキャンによるCOVID-19検出と病変分類を自動化した。
論文 参考訳（メタデータ） (2021-01-28T11:47:35Z) - An Attention Mechanism with Multiple Knowledge Sources for COVID-19
Detection from CT Images [1.6882040908691862]
本稿では,医師の判断に関連する有用な情報ソースを活用することで,いくつかの基準線の性能を向上させるための新しい戦略を提案する。
学習中の注意機構を介して,学習ネットワークから抽出した感染領域と熱マップをグローバル画像に統合する。
この手法は, 騒音に対する耐性を高めるだけでなく, 局所的な病変領域に焦点を絞ったネットワークを誘導する。
論文 参考訳（メタデータ） (2020-09-23T09:05:24Z) - Computer-aided Tumor Diagnosis in Automated Breast Ultrasound using 3D
Detection Network [18.31577982955252]
良性腫瘍145例,悪性腫瘍273例の418例を対象に,本ネットワークの有効性を検証した。
実験により, ネットワークの感度は97.66%, 1.23偽陽性 (FPs) であり, 曲線(AUC) 値0.8720以下の領域を有することがわかった。
論文 参考訳（メタデータ） (2020-07-31T15:25:07Z)
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。