論文の概要: Using Computer Vision for Skin Disease Diagnosis in Bangladesh Enhancing Interpretability and Transparency in Deep Learning Models for Skin Cancer Classification

• arxiv url: http://arxiv.org/abs/2501.18161v1
• Date: Thu, 30 Jan 2025 06:06:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-31 15:14:14.273734
• Title: Using Computer Vision for Skin Disease Diagnosis in Bangladesh Enhancing Interpretability and Transparency in Deep Learning Models for Skin Cancer Classification
• Title（参考訳）: バングラデシュにおける皮膚疾患診断のためのコンピュータビジョンを用いた皮膚癌分類のための深層学習モデルにおける解釈性と透明性の向上
• Authors: Rafiul Islam, Jihad Khan Dipu, Mehedi Hasan Tusar,
• Abstract要約: バングラデシュでは皮膚科医や専門医が不足しており、皮膚がんの診断と治療が可能である。 ディープラーニングアルゴリズムは、皮膚がん画像を効果的に分類することができる。 本研究では,バングラデシュにおける皮膚がん分類のための深層学習モデルの解釈可能性の向上を目的とした手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: With over 2 million new cases identified annually, skin cancer is the most prevalent type of cancer globally and the second most common in Bangladesh, following breast cancer. Early detection and treatment are crucial for enhancing patient outcomes; however, Bangladesh faces a shortage of dermatologists and qualified medical professionals capable of diagnosing and treating skin cancer. As a result, many cases are diagnosed only at advanced stages. Research indicates that deep learning algorithms can effectively classify skin cancer images. However, these models typically lack interpretability, making it challenging to understand their decision-making processes. This lack of clarity poses barriers to utilizing deep learning in improving skin cancer detection and treatment. In this article, we present a method aimed at enhancing the interpretability of deep learning models for skin cancer classification in Bangladesh. Our technique employs a combination of saliency maps and attention maps to visualize critical features influencing the model's diagnoses.
• Abstract（参考訳）: 毎年200万件以上の新規感染者が特定されており、世界でもっとも多い種類のがんであり、バングラデシュで2番目に多いのは乳がんである。 しかしバングラデシュでは、皮膚がんの診断と治療が可能な皮膚科医や専門医の不足に直面している。 その結果、多くの症例は先進的な段階でのみ診断される。 深層学習アルゴリズムは皮膚がんのイメージを効果的に分類できることが研究によって示されている。 しかしながら、これらのモデルは一般的に解釈可能性に欠けており、意思決定プロセスを理解することは困難である。 この明瞭さの欠如は、深層学習を利用して皮膚がんの検出と治療を改善する障壁となる。 本稿では,バングラデシュにおける皮膚がん分類のための深層学習モデルの解釈可能性の向上を目的とした手法を提案する。 本手法では, モデル診断に影響を及ぼす重要な特徴を可視化するために, サリエンシマップとアテンションマップを組み合わせる。

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)
• Skin Cancer Images Classification using Transfer Learning Techniques [0.0]
  良性期における皮膚癌の早期診断は、がん死亡率の低下に重要である。 これまで,様々な深層学習モデルを用いた皮膚癌診断の課題に対処してきた。 本研究は, 良性および悪性期における皮膚癌検出のバイナリ分類に, 5種類の事前学習型トランスファーラーニングアプローチを適用した。
  論文  参考訳（メタデータ） (2024-06-18T15:48:20Z)
• 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)
• Double-Condensing Attention Condenser: Leveraging Attention in Deep Learning to Detect Skin Cancer from Skin Lesion Images [61.36288157482697]
  皮膚がんはアメリカ合衆国で最も一般的な種類のがんであり、5人に1人のアメリカ人に影響を与えると推定されている。 近年の進歩は,SIIM-ISICメラノーマ分類チャレンジのアートパフォーマンスの状況から,皮膚がん検出に強い効果を示している。 本稿では,皮膚病変画像の皮膚癌検出に効率的な自己注意構造を活用し,皮膚病変画像からの皮膚癌検出をカスタマイズしたDC-ACを用いたディープニューラルネットワーク設計を提案する。
  論文  参考訳（メタデータ） (2023-11-20T10:45:39Z)
• Explainable Artificial Intelligence Architecture for Melanoma Diagnosis Using Indicator Localization and Self-Supervised Learning [12.013345715187285]
  メラノーマ(Melanoma)は、発育初期の診断で治療可能な致死性のがんである。 深層学習は、皮膚病変画像を高精度に分類するソリューションとして使用できる。 臨床的に解釈可能な視覚的説明を生成するメラノーマ診断のための説明可能なディープラーニングアーキテクチャを開発した。
  論文  参考訳（メタデータ） (2023-03-26T03:43:05Z)
• A Comprehensive Evaluation Study on Risk Level Classification of Melanoma by Computer Vision on ISIC 2016-2020 Datasets [0.0]
  メラノーマは皮膚がんの75%の死因である。 メラノーマの検出は何百万人もの人に良い影響を与える可能性がある。 ISICアーカイブは皮膚病変の皮膚内視鏡像の収集で最大である。
  論文  参考訳（メタデータ） (2023-02-19T09:58:58Z)
• A Comparative Analysis of Transfer Learning-based Techniques for the Classification of Melanocytic Nevi [0.0]
  皮膚細胞中の脱オキシリボ核酸 (DNA) は皮膚に遺伝的欠陥を生じ、皮膚がんを引き起こす。 病変特異的基準を用いて良性皮膚癌と悪性黒色腫を鑑別する。 5つのトランスファーラーニングに基づく技術は、メラノサイトネビの分類に活用される可能性がある。
  論文  参考訳（メタデータ） (2022-11-20T12:55:42Z)
• Deep learning methods for drug response prediction in cancer: predominant and emerging trends [50.281853616905416]
  がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。 最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。 このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
  論文  参考訳（メタデータ） (2022-11-18T03:26:31Z)
• SSD-KD: A Self-supervised Diverse Knowledge Distillation Method for Lightweight Skin Lesion Classification Using Dermoscopic Images [62.60956024215873]
  皮膚がんは最も一般的な悪性腫瘍の1つであり、人口に影響を与え、世界中で経済的な重荷を負っている。 皮膚がん検出のほとんどの研究は、ポータブルデバイス上での計算資源の制限を考慮せずに、高い予測精度を追求している。 本研究は,皮膚疾患分類のための汎用的なKDフレームワークに多様な知識を統一する,SSD-KDと呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-03-22T06:54:29Z)
• CancerNet-SCa: Tailored Deep Neural Network Designs for Detection of Skin Cancer from Dermoscopy Images [71.68436132514542]
  皮膚がんはアメリカ合衆国で最も頻繁に診断されるがんである。 本研究では,皮膚内視鏡画像から皮膚がんを検出するための深層神経回路の設計手法である CancerNet-SCa について紹介する。
  論文  参考訳（メタデータ） (2020-11-21T02:17:59Z)

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。