論文の概要: Automated Measurement of Eczema Severity with Self-Supervised Learning
- arxiv url: http://arxiv.org/abs/2504.15193v1
- Date: Mon, 21 Apr 2025 16:02:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-29 15:59:29.826827
- Title: Automated Measurement of Eczema Severity with Self-Supervised Learning
- Title（参考訳）: 自己監督学習による情緒的重症度の自動計測
- Authors: Neelesh Kumar, Oya Aran,
- Abstract要約: 自動浮腫診断のための最先端の手法は、CNNのようなディープニューラルネットワークに依存している。
本研究では,限られたトレーニングデータ体制下でのエコゼマ自動診断のための自己教師付き学習フレームワークを提案する。
以上の結果から,ラベル付きデータが少ない皮膚自動診断において,自己教師付き学習が有効な方法であることが示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated diagnosis of eczema using images acquired from digital camera can enable individuals to self-monitor their recovery. The process entails first segmenting out the eczema region from the image and then measuring the severity of eczema in the segmented region. The state-of-the-art methods for automated eczema diagnosis rely on deep neural networks such as convolutional neural network (CNN) and have shown impressive performance in accurately measuring the severity of eczema. However, these methods require massive volume of annotated data to train which can be hard to obtain. In this paper, we propose a self-supervised learning framework for automated eczema diagnosis under limited training data regime. Our framework consists of two stages: i) Segmentation, where we use an in-context learning based algorithm called SegGPT for few-shot segmentation of eczema region from the image; ii) Feature extraction and classification, where we extract DINO features from the segmented regions and feed it to a multi-layered perceptron (MLP) for 4-class classification of eczema severity. When evaluated on a dataset of annotated "in-the-wild" eczema images, we show that our method outperforms (Weighted F1: 0.67 $\pm$ 0.01) the state-of-the-art deep learning methods such as finetuned Resnet-18 (Weighted F1: 0.44 $\pm$ 0.16) and Vision Transformer (Weighted F1: 0.40 $\pm$ 0.22). Our results show that self-supervised learning can be a viable solution for automated skin diagnosis where labeled data is scarce.
- Abstract（参考訳）: デジタルカメラから取得した画像を用いてエコゼマの診断を自動化することで、個人が回復を自己監視することができる。
このプロセスは、画像から最初にエコゼマ領域をセグニングし、次にセグメンテーションされた領域におけるエコゼマの重症度を測定する。
自動エクゼマ診断の最先端手法は、畳み込みニューラルネットワーク(CNN)のようなディープニューラルネットワークに依存しており、エクゼマの重症度を正確に測定する上で、優れた性能を示している。
しかし、これらの方法は、入手が困難である訓練のために大量の注釈付きデータを必要とする。
本稿では,限られたトレーニングデータ体制下でのエコゼマ自動診断のための自己教師付き学習フレームワークを提案する。
私たちのフレームワークは2つのステージで構成されています。
i)セグメンテーションでは、画像からエキセマ領域の少数ショットセグメンテーションに、SegGPTと呼ばれるコンテキスト内学習に基づくアルゴリズムを用いる。
二 セグメンテーション領域からDINO特徴を抽出し、それを多層パーセプトロン(MLP)に供給し、湿疹重症度を4クラスに分類する特徴抽出と分類。
注記した"in-the-wild" eczema画像のデータセットで評価すると、我々の手法は、微調整されたResnet-18(重み付きF1: 0.44 $\pm$ 0.16)やビジョントランスフォーマー(重み付きF1: 0.40 $\pm$ 0.22)のような最先端のディープラーニング手法よりも優れていた。
以上の結果から,ラベル付きデータが不足している皮膚自動診断において,自己教師付き学習が有効な方法であることが示唆された。
関連論文リスト
- SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。
SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。
Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
論文 参考訳（メタデータ） (2024-11-14T17:06:00Z) - SpaRG: Sparsely Reconstructed Graphs for Generalizable fMRI Analysis [8.489318619991534]
深層学習は、精神疾患や個人の特徴に関連する静止状態機能型磁気共鳴イメージング(rsfMRI)のパターンを明らかにするのに役立つ。
しかし、深層学習の発見を解釈する問題は、fMRIによる分析よりも明らかではない。
スパーシフィケーションと自己超越に基づくこれらの課題を緩和するための簡単なアプローチを提案する。
論文 参考訳（メタデータ） (2024-09-24T18:35:57Z) - Visual In-Context Learning for Few-Shot Eczema Segmentation [0.0]
そこで本研究では,一般的な視覚モデルであるSegGPTを用いて,エコゼマセグメンテーションのための文脈内学習手法を提案する。
トレーニングデータセットからのサンプル画像が2枚しかないSegGPTは、428のイメージでトレーニングされたCNN U-Netよりもパフォーマンスがよいことを示す。
この結果から,皮膚画像タスクのより高速かつ優れたソリューション開発における視覚的文脈学習の重要性が浮き彫りになった。
論文 参考訳（メタデータ） (2023-09-28T17:55:24Z) - Active Learning Enhances Classification of Histopathology Whole Slide
Images with Attention-based Multiple Instance Learning [48.02011627390706]
我々は、注意に基づくMILをトレーニングし、データセット内の各画像に対する信頼度を算出し、専門家のアノテーションに対して最も不確実なWSIを選択する。
新たな注意誘導損失により、各クラスにアノテートされた領域がほとんどない、トレーニングされたモデルの精度が向上する。
将来的には、病理組織学における癌分類の臨床的に関連する文脈において、MILモデルのトレーニングに重要な貢献をする可能性がある。
論文 参考訳（メタデータ） (2023-03-02T15:18:58Z) - PCA: Semi-supervised Segmentation with Patch Confidence Adversarial
Training [52.895952593202054]
医用画像セグメンテーションのためのPatch Confidence Adrial Training (PCA) と呼ばれる半教師付き対向法を提案する。
PCAは各パッチの画素構造とコンテキスト情報を学習し、十分な勾配フィードバックを得る。
本手法は, 医用画像のセグメンテーションにおいて, 最先端の半教師付き手法より優れており, その有効性を示している。
論文 参考訳（メタデータ） (2022-07-24T07:45:47Z) - Classification of Microscopy Images of Breast Tissue: Region Duplication
based Self-Supervision vs. Off-the Shelf Deep Representations [0.0]
本稿では、畳み込みニューラルネットワーク(CNN)を訓練し、ドメイン固有の特徴を抽出する、新しい自己超越プレテキストタスクを提案する。
その結果,ResNet50を用いて抽出した深部機能に対して,パッチレベルの埋め込みを併用した99%の感度の最高の性能が得られた。
論文 参考訳（メタデータ） (2022-02-12T14:12:13Z) - 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) - Automated femur segmentation from computed tomography images using a
deep neural network [0.0]
骨粗しょう症(英: osteoporosis)は、骨の再生が古い骨の喪失に追いつかず、骨折のリスクが高まるという一般的な骨疾患である。
我々は, 深部畳み込みニューラルネットワークを用いて, CTスキャンから大腿骨の正確な, 自動化され, 堅牢で, 高速なセグメンテーションを創出する, 大腿骨近位部セグメンテーションのための新しいアプローチを提案する。
論文 参考訳（メタデータ） (2021-01-27T23:37:56Z) - Semantic Segmentation of Histopathological Slides for the Classification
of Cutaneous Lymphoma and Eczema [4.4154284772781525]
真菌症(Mycosis fungoides, MF)は、皮膚疾患を発症する稀な疾患である。
病理医の意思決定プロセスに2倍の価値をもたらす深層学習支援診断ツールを導入する。
論文 参考訳（メタデータ） (2020-09-10T13:49:38Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z)
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。