Fugu-MT 論文翻訳(概要): Interpretable Automatic Rosacea Detection with Whitened Cosine Similarity

論文の概要: Interpretable Automatic Rosacea Detection with Whitened Cosine Similarity

arxiv url: http://arxiv.org/abs/2504.08073v1
Date: Thu, 10 Apr 2025 19:00:47 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-14 14:18:07.390832
Title: Interpretable Automatic Rosacea Detection with Whitened Cosine Similarity
Title（参考訳）: 白色コサイン類似性を用いた自動ロザセア検出
Authors: Chengyu Yang, Chengjun Liu,
Abstract要約: 国立ロザセア協会によると、約1600万人のアメリカ人がロザセアに苦しんでいる。白色コサイン類似度に基づく解釈可能な自動ロセア検出法を提案する。
参考スコア（独自算出の注目度）: 5.747172898125006
License:
Abstract: According to the National Rosacea Society, approximately sixteen million Americans suffer from rosacea, a common skin condition that causes flushing or long-term redness on a person's face. To increase rosacea awareness and to better assist physicians to make diagnosis on this disease, we propose an interpretable automatic rosacea detection method based on whitened cosine similarity in this paper. The contributions of the proposed methods are three-fold. First, the proposed method can automatically distinguish patients suffering from rosacea from people who are clean of this disease with a significantly higher accuracy than other methods in unseen test data, including both classical deep learning and statistical methods. Second, the proposed method addresses the interpretability issue by measuring the similarity between the test sample and the means of two classes, namely the rosacea class versus the normal class, which allows both medical professionals and patients to understand and trust the results. And finally, the proposed methods will not only help increase awareness of rosacea in the general population, but will also help remind patients who suffer from this disease of possible early treatment, as rosacea is more treatable in its early stages. The code and data are available at https://github.com/chengyuyang-njit/ICCRD-2025. The code and data are available at https://github.com/chengyuyang-njit/ICCRD-2025.
Abstract（参考訳）: 全米ロザセア協会によると、約1600万人のアメリカ人がロザセアを患っている。そこで本論文では,ロザセアの認知度を高め,医師の診断を支援するために,白化コサイン類似性に基づく自動ロザセア検出法を提案する。提案手法の貢献は3倍である。まず,ロザセアに苦しむ患者を,古典的深層学習と統計的手法の両方を含む未確認試験データにおいて,他の方法よりもはるかに高い精度で,自動的に識別することができる。第2に,本提案手法は,検査試料と2つのクラス,すなわちロザサクラスと正常クラスとの類似性を測定することにより,解釈可能性の問題に対処し,医療専門家と患者の両方が結果を理解し,信頼することを可能にする。そして最後に、提案された方法は、一般市民のロザセアに対する認識を高めるだけでなく、早期治療の可能性があるこの疾患に苦しむ患者を思い出させるのに役立つだろう。コードとデータはhttps://github.com/chengyuyang-njit/ICCRD-2025で公開されている。コードとデータはhttps://github.com/chengyuyang-njit/ICCRD-2025で公開されている。

関連論文リスト

A Multi-Scale Feature Extraction and Fusion Deep Learning Method for Classification of Wheat Diseases [4.8117894377430925]
本研究では,高度な画像分割技術とマルチスケール特徴抽出を統合し,分類精度を向上させる革新的な手法を提案する。提案手法では、ニューラルネットワークモデルXception, Inception V3, ResNet 50を用いて、大規模小麦病分類データセット2020のトレーニングを行う。本研究は,提案手法が小麦病の分類において,現在の最先端手法と比較して99.75%の精度で優れていることを示した。
論文参考訳（メタデータ） (2025-01-17T03:29:41Z)
FairDD: Enhancing Fairness with domain-incremental learning in dermatological disease diagnosis [3.0485081384226733]
本研究は,皮膚科診断モデルにおける精度と公平性とのトレードオフを改善することを目的としている。そこで本研究では,FairDDという,異なるグループの学習のバランスをとるために,ドメインの漸進的学習を活用する新しい皮膚科診断ネットワークを提案する。提案手法はフェアネス基準とフェアネスと性能のトレードオフを両立させる。
論文参考訳（メタデータ） (2024-12-21T08:57:00Z)
A Multimodal Approach to The Detection and Classification of Skin Diseases [0.5755004576310334]
多くの疾患は、皮膚に多くの身体症状があるとしても、未診断で未治療のまま残されている。 AIの台頭により、自己診断と疾患認識の改善がこれまで以上に有望になった。本研究は、皮膚疾患分類のための画像およびテキストを介して、容易に利用でき、容易にアクセス可能な患者情報を含む。
論文参考訳（メタデータ） (2024-11-21T05:27:42Z)
Increasing Rosacea Awareness Among Population Using Deep Learning and Statistical Approaches [5.747172898125006]
本稿では,深層学習と説明可能な統計的アプローチを用いたロザス検出法について述べる。提案手法は,ロザセアに苦しむ患者と,この疾患を清潔にしている患者とを自動的に区別することができる。そして最後に、提案手法は、ロザセアが早期に治療可能であることから、この疾患に苦しむ患者に早期治療の可能性を思い出させるのに役立つ。
論文参考訳（メタデータ） (2024-11-11T15:48:11Z)
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)
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)
High Fidelity Synthetic Face Generation for Rosacea Skin Condition from Limited Data [0.27998963147546135]
StyleGANは主にStyleGANの変種であるが、合成顔画像の生成において有望な結果を示している。 300枚のフルフェイス画像を持つRosaceaの小さなデータセットを使用して、合成データを生成する可能性をさらに調査する。予備実験では、モデルが微調整され、様々な実験条件がロサチアの特徴の忠実さにどのように影響するかが示されている。
論文参考訳（メタデータ） (2023-03-08T19:18:58Z)
Dynamic Bank Learning for Semi-supervised Federated Image Diagnosis with Class Imbalance [65.61909544178603]
クラス不均衡半教師付きFL(imFed-Semi)の実用的かつ困難な問題について検討する。このImFed-Semi問題は、クラス比例情報を利用してクライアントトレーニングを改善する新しい動的銀行学習方式によって解決される。 25,000個のCTスライスによる頭蓋内出血診断と10,015個の皮膚内視鏡画像による皮膚病変診断の2つの公開実世界の医療データセットに対するアプローチを評価した。
論文参考訳（メタデータ） (2022-06-27T06:51:48Z)
A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文参考訳（メタデータ） (2021-10-24T18:58:40Z)
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)
Alleviating the Incompatibility between Cross Entropy Loss and Episode Training for Few-shot Skin Disease Classification [76.89093364969253]
そこで本研究では,皮膚疾患の診断にFew-Shot Learningを応用し,トレーニングサンプル問題の極端な不足に対処することを提案する。本稿では, エピソード学習において, クロスエントロピー(CE)よりも優れたクエリ-相対的損失(QR)を提案する。さらに,新しい適応型ハードマージン戦略により,提案したQR損失をさらに強化する。
論文参考訳（メタデータ） (2020-04-21T00:57:11Z)

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。