論文の概要: The iToBoS dataset: skin region images extracted from 3D total body photographs for lesion detection

• arxiv url: http://arxiv.org/abs/2501.18270v1
• Date: Thu, 30 Jan 2025 11:10:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-31 15:15:27.802387
• Title: The iToBoS dataset: skin region images extracted from 3D total body photographs for lesion detection
• Title（参考訳）: iToBoSデータセット:病変検出のための3次元全身写真から抽出した皮膚領域の画像
• Authors: Anup Saha, Joseph Adeola, Nuria Ferrera, Adam Mothershaw, Gisele Rezze, Séraphin Gaborit, Brian D'Alessandro, James Hudson, Gyula Szabó, Balazs Pataki, Hayat Rajani, Sana Nazari, Hassan Hayat, Clare Primiero, H. Peter Soyer, Josep Malvehy, Rafael Garcia,
• Abstract要約: iToBoSデータセットには、100人の参加者の皮膚領域の16,954枚の画像が含まれている。 それぞれの画像は皮膚の7×9$cmの部分と大体一致しており、すべての不審な病変はバウンディングボックスで注釈付けされている。 このデータセットはアルゴリズムのトレーニングとベンチマークを容易にすることを目的としており、皮膚がんの早期検出と、この技術を非臨床環境に展開することを目的としている。
• 参考スコア（独自算出の注目度）: 0.35348820263620895
• License:
• Abstract: Artificial intelligence has significantly advanced skin cancer diagnosis by enabling rapid and accurate detection of malignant lesions. In this domain, most publicly available image datasets consist of single, isolated skin lesions positioned at the center of the image. While these lesion-centric datasets have been fundamental for developing diagnostic algorithms, they lack the context of the surrounding skin, which is critical for improving lesion detection. The iToBoS dataset was created to address this challenge. It includes 16,954 images of skin regions from 100 participants, captured using 3D total body photography. Each image roughly corresponds to a $7 \times 9$ cm section of skin with all suspicious lesions annotated using bounding boxes. Additionally, the dataset provides metadata such as anatomical location, age group, and sun damage score for each image. This dataset aims to facilitate training and benchmarking of algorithms, with the goal of enabling early detection of skin cancer and deployment of this technology in non-clinical environments.
• Abstract（参考訳）: 人工知能は、悪性腫瘍の迅速かつ正確な検出を可能にすることにより、皮膚がんの診断を大幅に進歩させた。 この領域では、最も一般に公開されている画像データセットは、画像の中央に位置する単一の孤立した皮膚病変からなる。 これらの病変中心のデータセットは診断アルゴリズムの開発に不可欠であるが、周囲の皮膚のコンテキストが欠如しており、病変検出の改善に不可欠である。 この課題に対処するため、iToBoSデータセットが作成された。 100人の被験者の皮膚領域の16,954枚の画像が3Dの全身写真で撮影されている。 それぞれの画像は、大まかに 7 × 9 × cm の皮膚部分に対応しており、すべての不審な病変は境界ボックスで注釈付けされている。 さらに、データセットは、画像ごとに解剖学的位置、年齢グループ、太陽の損傷スコアなどのメタデータを提供する。 このデータセットはアルゴリズムのトレーニングとベンチマークを容易にすることを目的としており、皮膚がんの早期検出と、この技術を非臨床環境に展開することを目的としている。

関連論文リスト

• Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
  本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。 ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。 本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-19T15:04:42Z)
• DERM12345: A Large, Multisource Dermatoscopic Skin Lesion Dataset with 38 Subclasses [0.48212500317840945]
  本研究は,12,345枚の皮膚内視鏡像と38種類の皮膚病変からなる多彩なデータセットをトゥルカイで収集した。 このデータセットは、5つのスーパークラス、15のメインクラス、38のサブクラス、12,345の高解像度皮膚内視鏡画像を持つ多様な構造を通して識別される。
  論文  参考訳（メタデータ） (2024-06-11T16:27:32Z)
• Convolutional Neural Networks Towards Facial Skin Lesions Detection [0.0]
  本研究は,顔画像の点滅や皮膚病変の検出を容易にするモデルを提供することで貢献する。 提案手法は, 簡単なアーキテクチャ, 高速, 画像処理に適するといった利点を提供する。
  論文  参考訳（メタデータ） (2024-02-13T16:52:10Z)
• Skin Lesion Correspondence Localization in Total Body Photography [4.999387255024588]
  全身写真(TBP)において,テクスチャ情報とテクスチャ情報を組み合わせて皮膚病変対応をソーススキャンからターゲットスキャンにローカライズする新しい枠組みを提案する。 全身3Dキャプチャーがより普及し,高品質になるにつれて,本手法は皮膚病変の経時的追跡において重要なステップとなることが期待されている。
  論文  参考訳（メタデータ） (2023-07-18T21:10:59Z)
• Significantly improving zero-shot X-ray pathology classification via fine-tuning pre-trained image-text encoders [50.689585476660554]
  本稿では,正対損失緩和とランダムな文サンプリングを含む新たな微調整手法を提案する。 提案手法は,胸部X線データセットと3つの事前訓練モデル間のゼロショット病理分類を一貫して改善する。
  論文  参考訳（メタデータ） (2022-12-14T06:04:18Z)
• Monitoring of Pigmented Skin Lesions Using 3D Whole Body Imaging [14.544274849288952]
  皮膚病変の迅速評価とマッピングを可能にする3次元全身イメージングプロトタイプを提案する。 モジュラーカメラリグは、体全体をスキャンするために複数の角度から同期した画像を自動でキャプチャするように設計されている。 我々は,深部畳み込みニューラルネットワークに基づく3次元体像再構成,データ処理,皮膚病変検出のためのアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-05-14T15:24:06Z)
• Development of an algorithm for medical image segmentation of bone tissue in interaction with metallic implants [58.720142291102135]
  本研究では,金属インプラントとの接触部における骨成長の計算アルゴリズムを開発した。 骨とインプラント組織はトレーニングデータセットに手動でセグメンテーションされた。 ネットワーク精度の面では、モデルは約98%に達した。
  論文  参考訳（メタデータ） (2022-04-22T08:17:20Z)
• SQUID: Deep Feature In-Painting for Unsupervised Anomaly Detection [76.01333073259677]
  無線画像からの異常検出のための空間認識型メモリキューを提案する(略してSQUID)。 SQUIDは, 微細な解剖学的構造を逐次パターンに分類でき, 推測では画像中の異常(見えない/修正されたパターン)を識別できる。
  論文  参考訳（メタデータ） (2021-11-26T13:47:34Z)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• 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)
• Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of Geometry and Segmentation of Annotations [70.0118756144807]
  この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。 VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。 対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
  論文  参考訳（メタデータ） (2020-05-08T02:16:17Z)

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。