論文の概要: Skin Color Measurement from Dermatoscopic Images: An Evaluation on a Synthetic Dataset

• arxiv url: http://arxiv.org/abs/2504.04494v1
• Date: Sun, 06 Apr 2025 13:57:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-08 14:11:25.041060
• Title: Skin Color Measurement from Dermatoscopic Images: An Evaluation on a Synthetic Dataset
• Title（参考訳）: 皮膚内視鏡画像からの皮膚色計測:合成データセットによる評価
• Authors: Marin Benčević, Robert Šojo, Irena Galić,
• Abstract要約: 画像色測定手法の4つのクラス(セグメンテーションベース、パッチベース、カラー量子化、ニューラルネットワーク)を評価する。 この結果から, 偏光法および色量化法により, 頑健で光の不変な推定値が得られることがわかった。 ニューラルネットワークモデル、特に過適合を減らすために重いぼやけと組み合わせた場合、光不変のフィッツパトリック予測を提供することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper presents a comprehensive evaluation of skin color measurement methods from dermatoscopic images using a synthetic dataset (S-SYNTH) with controlled ground-truth melanin content, lesion shapes, hair models, and 18 distinct lighting conditions. This allows for rigorous assessment of the robustness and invariance to lighting conditions. We assess four classes of image colorimetry approaches: segmentation-based, patch-based, color quantization, and neural networks. We use these methods to estimate the Individual Typology Angle (ITA) and Fitzpatrick types from dermatoscopic images. Our results show that segmentation-based and color quantization methods yield robust, lighting-invariant estimates, whereas patch-based approaches exhibit significant lighting-dependent biases that require calibration. Furthermore, neural network models, particularly when combined with heavy blurring to reduce overfitting, can provide light-invariant Fitzpatrick predictions, although their generalization to real-world images remains unverified. We conclude with practical recommendations for designing fair and reliable skin color estimation methods.
• Abstract（参考訳）: 本稿では, 皮膚画像から皮膚色測定法を総合的に評価し, S-SYNTH (S-SYNTH) を用いて, 地中トラスメラニン含量, 病変形状, 毛髪モデルおよび18種類の異なる照明条件を制御した合成データセットを用いて評価した。 これにより、照明条件に対するロバスト性と不変性の厳密な評価が可能になる。 画像色測定手法の4つのクラス(セグメンテーションベース、パッチベース、カラー量子化、ニューラルネットワーク)を評価する。 これらの手法を用いて皮膚内視鏡画像から個別型分類角度(ITA)とフィッツパトリック型を推定する。 以上の結果から, セグメンテーション法とカラー量子化法は, 頑健な光不変量の推定を導出するが, パッチベースの手法は校正を必要とする照明依存バイアスを顕著に示している。 さらに、ニューラルネットワークモデル、特に重いぼかしと組み合わせてオーバーフィッティングを減らすことで、実世界の画像への一般化は検証されていないものの、光不変のフィッツパトリック予測を提供することができる。 我々は、公正で信頼性の高い肌の色推定法を設計するための実践的な勧告で締めくくった。

関連論文リスト

• Colorimetric skin tone scale for improved accuracy and reduced perceptual bias of human skin tone annotations [0.0]
  そこで我々は,従来の色調測定に基づいて,新しい色調尺度(CST)を開発した。 画像中の被験者の肌のトーンと肌のトーンを人間に評価させる実験を用いて、新しいCST尺度はより感度が高く、一貫性があり、色調的に正確であることを示した。
  論文  参考訳（メタデータ） (2024-10-28T13:29:24Z)
• Data Augmentation via Latent Diffusion for Saliency Prediction [67.88936624546076]
  残差予測モデルはラベル付きデータの限られた多様性と量によって制約される。 本研究では,実世界のシーンの複雑さと変動性を保ちながら,自然画像の編集を行うディープ・サリエンシ・予測のための新しいデータ拡張手法を提案する。
  論文  参考訳（メタデータ） (2024-09-11T14:36:24Z)
• Gadolinium dose reduction for brain MRI using conditional deep learning [66.99830668082234]
  これらの手法の主な課題は、コントラスト強調の正確な予測と現実的な画像の合成である。 コントラスト前の画像対とコントラスト後の画像対のサブトラクション画像に符号化されたコントラスト信号を利用することで、両課題に対処する。 各種スキャナー,フィールド強度,コントラストエージェントを用いた合成および実データに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2024-03-06T08:35:29Z)
• DDI-CoCo: A Dataset For Understanding The Effect Of Color Contrast In Machine-Assisted Skin Disease Detection [51.92255321684027]
  皮膚のトーンと色差効果の相互作用について検討し,色差が皮膚のトーン間のモデル性能バイアスの新たな原因となる可能性が示唆された。 我々の研究は皮膚疾患の検出を改善するために皮膚科のAIに補完的な角度を提供する。
  論文  参考訳（メタデータ） (2024-01-24T07:45:24Z)
• Revisiting Skin Tone Fairness in Dermatological Lesion Classification [3.247628857305427]
  ITAに基づく4つの皮膚音分類手法をISIC18データセットで検討・比較した。 ITAに基づく皮膚のトーン推定手法のリスクを実証する先行研究の間には高い相違点がみられた。 本研究は,ISIC18データセットにおける多様性の欠如が,公正度分析のためのテストベッドとしての利用を制限することを明らかにする。
  論文  参考訳（メタデータ） (2023-08-18T15:59:55Z)
• TensoIR: Tensorial Inverse Rendering [51.57268311847087]
  テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。 TensoRFは、放射場モデリングのための最先端のアプローチである。
  論文  参考訳（メタデータ） (2023-04-24T21:39:13Z)
• Color Invariant Skin Segmentation [17.501659517108884]
  本稿では,カラー情報に頼らずに画像中の皮膚を自動的に検出する問題に対処する。 この研究の主な動機は、皮膚のトーン全体にわたって一貫性のある結果を達成することである。 我々はそのような情報がない場合によく機能する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-04-21T05:07:21Z)
• 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)
• EdgeMixup: Improving Fairness for Skin Disease Classification and Segmentation [9.750368551427494]
  皮膚病変は、広範囲の感染症やその他の病気の早期の指標である可能性がある。 深層学習(DL)モデルを用いた皮膚病変の診断は,プレスクリーニング患者を支援できる可能性が高い。 これらのモデルは、トレーニングデータに固有のバイアスを学習することが多く、ライトやダークスキンのトーンを持つ人の診断において、パフォーマンスのギャップを生じさせる可能性がある。
  論文  参考訳（メタデータ） (2022-02-28T15:33:31Z)
• Saliency-based segmentation of dermoscopic images using color information [3.8073142980733]
  本稿では,色覚情報を用いて色素性病変領域を自動判定する方法について検討する。 本稿では,人間の視覚的知覚に触発された新しい知覚基準と組み合わせたバイナライゼーションプロセスを用いた新しい手法を提案する。 1497画像を含む2つの公開データベース上で評価を行った。
  論文  参考訳（メタデータ） (2020-11-26T08:47:10Z)
• Monte Carlo Dropout Ensembles for Robust Illumination Estimation [94.14796147340041]
  計算カラー一貫性(Computational Color Constancy)は、多くのカメラシステムで使用される前処理ステップである。 出力の不確実性に応じて異なる深層学習手法を集約することを提案する。 提案したフレームワークはINTEL-TAUデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-07-20T13:56:14Z)

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。