論文の概要: A Smart Healthcare System for Monkeypox Skin Lesion Detection and Tracking

• arxiv url: http://arxiv.org/abs/2505.19023v1
• Date: Sun, 25 May 2025 08:17:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:42.845956
• Title: A Smart Healthcare System for Monkeypox Skin Lesion Detection and Tracking
• Title（参考訳）: サルポックス皮膚病変検出・追跡のためのスマートヘルスケアシステム
• Authors: Huda Alghoraibi, Nuha Alqurashi, Sarah Alotaibi, Renad Alkhudaydi, Bdoor Aldajani, Lubna Alqurashi, Jood Batweel, Maha A. Thafar,
• Abstract要約: サルポックスは特異な皮膚病変を特徴とするウイルス性疾患であり、多くの国で報告されている。 本研究では,皮膚病変画像からサルポックスを検出することを目的とした,インテリジェントなAI駆動型医療システムであるITMAINNを開発した。
• 参考スコア（独自算出の注目度）: 0.1806830971023738
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Monkeypox is a viral disease characterized by distinctive skin lesions and has been reported in many countries. The recent global outbreak has emphasized the urgent need for scalable, accessible, and accurate diagnostic solutions to support public health responses. In this study, we developed ITMAINN, an intelligent, AI-driven healthcare system specifically designed to detect Monkeypox from skin lesion images using advanced deep learning techniques. Our system consists of three main components. First, we trained and evaluated several pretrained models using transfer learning on publicly available skin lesion datasets to identify the most effective models. For binary classification (Monkeypox vs. non-Monkeypox), the Vision Transformer, MobileViT, Transformer-in-Transformer, and VGG16 achieved the highest performance, each with an accuracy and F1-score of 97.8%. For multiclass classification, which contains images of patients with Monkeypox and five other classes (chickenpox, measles, hand-foot-mouth disease, cowpox, and healthy), ResNetViT and ViT Hybrid models achieved 92% accuracy, with F1 scores of 92.24% and 92.19%, respectively. The best-performing and most lightweight model, MobileViT, was deployed within the mobile application. The second component is a cross-platform smartphone application that enables users to detect Monkeypox through image analysis, track symptoms, and receive recommendations for nearby healthcare centers based on their location. The third component is a real-time monitoring dashboard designed for health authorities to support them in tracking cases, analyzing symptom trends, guiding public health interventions, and taking proactive measures. This system is fundamental in developing responsive healthcare infrastructure within smart cities. Our solution, ITMAINN, is part of revolutionizing public health management.
• Abstract（参考訳）: サルポックスは特異な皮膚病変を特徴とするウイルス性疾患であり、多くの国で報告されている。 近年の世界的な流行は、公衆衛生対応を支援するために、スケーラブルでアクセスしやすく、正確な診断ソリューションを緊急に必要としていることを強調している。 本研究では,高度な深層学習技術を用いて皮膚病変画像からサルポックスを検出することを目的とした,インテリジェントなAI駆動型医療システムであるITMAINNを開発した。 私たちのシステムは3つの主要コンポーネントで構成されています。 まず、利用可能な皮膚病変データセットの転写学習を用いて、トレーニング済みのいくつかのモデルを訓練し、評価し、最も有効なモデルを特定した。 バイナリ分類(Monkeypox vs. non-Monkeypox)では、Vision Transformer、MobileViT、Transformer-in-Transformer、VGG16が97.8%の精度で最高性能を達成した。 モンキーポックスと他の5つのクラス(鶏痘、麻疹、手足マウス病、牛痘、健康)の画像を含む多クラス分類では、ResNetViTとViTハイブリッドモデルは92%の精度で、F1スコアはそれぞれ92.24%と92.19%である。 最もパフォーマンスが高く、最も軽量なモデルであるMobileViTは、モバイルアプリケーションにデプロイされた。 第2のコンポーネントはクロスプラットフォームのスマートフォンアプリケーションで、画像解析によってMonkeypoxを検出し、症状を追跡し、位置情報に基づいて近くのヘルスケアセンターに推奨を受け取ることができる。 第3のコンポーネントは、医療当局がケースの追跡、症状の傾向の分析、公衆衛生介入の指導、積極的な対策を取るために、リアルタイム監視ダッシュボードである。 このシステムは、スマートシティ内のレスポンシブヘルスケアインフラの開発に基本となる。 私たちのソリューションであるITMAINNは、公衆衛生管理の革新の一部です。

関連論文リスト

• Explainable AI-Driven Detection of Human Monkeypox Using Deep Learning and Vision Transformers: A Comprehensive Analysis [0.20482269513546453]
  mpoxは動物園で流行するウイルス病で、公衆衛生に重大な影響を及ぼす。 症状が麻疹や鶏痘の症状とどのように一致しているかから,早期臨床診断は困難である。 深層学習(DL)技術と併用した医用画像は, 皮膚領域を解析することにより, 疾患検出の改善を約束している。 本研究は,皮膚病変画像データセットを用いて,深層学習と視覚トランスフォーマーに基づくモデルをスクラッチからトレーニングする可能性について検討した。
  論文  参考訳（メタデータ） (2025-04-03T19:45:22Z)
• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Attention Based Feature Fusion Network for Monkeypox Skin Lesion Detection [0.09642500063568188]
  最近のサルポックスの流行は公衆衛生に重大な懸念をもたらしている。 深層学習アルゴリズムは、新型コロナウイルス(COVID-19)を含む病気の特定に利用できる。 本稿では,ヒトサルポックス病を分類するために,事前学習した2つのアーキテクチャをマージする軽量モデルを提案する。
  論文  参考訳（メタデータ） (2024-08-13T05:21:03Z)
• Monkeypox disease recognition model based on improved SE-InceptionV3 [0.0]
  本研究はSE-InceptionV3モデルを改良し,SENetモジュールを組み込み,インセプションV3フレームワークにL2正規化を組み込むことでサルポックス病の検出を向上する。 本モデルは,テストセットにおいて96.71%の精度を示し,従来の手法やディープラーニングモデルよりも優れていた。
  論文  参考訳（メタデータ） (2024-03-15T08:01:44Z)
• Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance of Containment Measures [65.62256987706128]
  比較疫学モデルは、疾患の状態に基づいて個人を分類する。 我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。 スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
  論文  参考訳（メタデータ） (2023-07-28T08:01:05Z)
• A Web-based Mpox Skin Lesion Detection System Using State-of-the-art Deep Learning Models Considering Racial Diversity [1.846958522363092]
  以前は「モンキーポックス」と呼ばれていた「ムポックス」は、公衆衛生上重要な問題となり、世界中で110か国以上に広まっている。 ポリメラーゼ連鎖反応(PCR)に基づく診断がすぐには利用できない場合に、コンピュータ支援スクリーニングツールが有用であることが証明されている。 深層学習法は複雑なデータ表現を学習する上で強力であるが、その有効性は主に適切なトレーニングデータに依存している。
  論文  参考訳（メタデータ） (2023-06-25T08:23:44Z)
• Next-generation Surgical Navigation: Marker-less Multi-view 6DoF Pose Estimation of Surgical Instruments [64.59698930334012]
  静止カメラとヘッドマウントカメラを組み合わせたマルチカメラ・キャプチャー・セットアップを提案する。 第2に,手術用ウェットラボと実際の手術用劇場で撮影された元脊椎手術のマルチビューRGB-Dビデオデータセットを公表した。 第3に,手術器具の6DoFポーズ推定の課題に対して,最先端のシングルビューとマルチビューの3つの手法を評価した。
  論文  参考訳（メタデータ） (2023-05-05T13:42:19Z)
• Monkeypox Skin Lesion Detection Using Deep Learning Models: A Feasibility Study [1.9395755884693817]
  最近のサルポックスの流行は、アフリカ以外の40カ国で急速に拡大しているため、公衆衛生上の問題となっている。 サルポックス病変のコンピュータによる検出は, 疑われる症例の迅速同定と監視に有用であると考えられた。 深層学習法は皮膚病変の自動検出に有効である。
  論文  参考訳（メタデータ） (2022-07-06T09:09:28Z)
• Subgroup discovery of Parkinson's Disease by utilizing a multi-modal smart device system [63.20765930558542]
  われわれはスマートウォッチとスマートフォンを使って、PD患者、DD、HCを含む504人の参加者のマルチモーダルデータを収集した。 様々なモダリティを組み合わせることで,分類精度が向上し,さらにPDクラスタが発見された。
  論文  参考訳（メタデータ） (2022-05-12T08:59:57Z)

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。