Fugu-MT 論文翻訳(概要): Improving Diagnostic Accuracy of Pigmented Skin Lesions With CNNs: an Application on the DermaMNIST Dataset

論文の概要: Improving Diagnostic Accuracy of Pigmented Skin Lesions With CNNs: an Application on the DermaMNIST Dataset

arxiv url: http://arxiv.org/abs/2507.12961v1
Date: Thu, 17 Jul 2025 10:00:07 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-18 20:10:24.444379
Title: Improving Diagnostic Accuracy of Pigmented Skin Lesions With CNNs: an Application on the DermaMNIST Dataset
Title（参考訳）: CNNによる色素性皮膚病変の診断精度の向上 : DermaMNISTデータセットへの応用
Authors: Nerma Kadric, Amila Akagic, Medina Kapo,
Abstract要約: 本研究では、DermaMNISTを用いたマルチクラス分類のためのResNet-50およびEfficientNetV2Lモデルを評価する。本研究は、畳み込みニューラルネットワーク(CNN)が生体画像解析の進歩を加速させ、診断精度を大幅に向上させることを示唆している。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Pigmented skin lesions represent localized areas of increased melanin and can indicate serious conditions like melanoma, a major contributor to skin cancer mortality. The MedMNIST v2 dataset, inspired by MNIST, was recently introduced to advance research in biomedical imaging and includes DermaMNIST, a dataset for classifying pigmented lesions based on the HAM10000 dataset. This study assesses ResNet-50 and EfficientNetV2L models for multi-class classification using DermaMNIST, employing transfer learning and various layer configurations. One configuration achieves results that match or surpass existing methods. This study suggests that convolutional neural networks (CNNs) can drive progress in biomedical image analysis, significantly enhancing diagnostic accuracy.
Abstract（参考訳）: 色素性皮膚病変はメラニン増加の局所的な部位を表し、メラノーマのような深刻な病態を示す。 MNISTにインスパイアされたMedMNIST v2データセットは、バイオメディカルイメージングの研究を進めるために最近導入され、HAM10000データセットに基づいて色素性病変を分類するデータセットであるDermaMNISTを含んでいる。本研究では,DermaMNISTを用いたマルチクラス分類のためのResNet-50およびEfficientNetV2Lモデルの評価を行った。 1つの構成は、既存のメソッドにマッチまたは超える結果を達成する。本研究は、畳み込みニューラルネットワーク(CNN)が生体画像解析の進歩を加速させ、診断精度を大幅に向上させることを示唆している。

関連論文リスト

Bluish Veil Detection and Lesion Classification using Custom Deep Learnable Layers with Explainable Artificial Intelligence (XAI) [1.0136215038345013]
メラノーマは最も致命的な種類の皮膚がんの1つで、世界中で数千人の死者を報告している。青、青、白、青のベール(BWV)はメラノーマの診断に重要であるが、皮膚画像におけるBWVの検出は限られている。本研究は,非注釈皮膚病変データセットを用いて,病変やカラーパレットのカラーしきい値に基づく画像解析アルゴリズムを用いて,注釈付きデータセットに変換する。ディープ畳み込みニューラルネットワーク(DCNN)は、代わりにカスタムレイヤを使用して、3つの個人と組み合わせた皮膚科のデータセットを個別に設計し、訓練する。
論文参考訳（メタデータ） (2025-07-10T06:12:23Z)
Comparison of ConvNeXt and Vision-Language Models for Breast Density Assessment in Screening Mammography [39.58317527488534]
本研究では,BI-RADSシステムを用いた自動分類のためのマルチモーダル法とCNN法の比較を行った。ゼロショット分類は、微調整されたConvNeXtモデルがBioMedCLIP線形プローブよりも優れた性能を示した。これらの結果から, マルチモーダル学習の約束にもかかわらず, エンドツーエンドの微調整を施したCNNモデルの方が, 医用画像の特化に有効であることが示唆された。
論文参考訳（メタデータ） (2025-06-16T20:14:37Z)
GS-TransUNet: Integrated 2D Gaussian Splatting and Transformer UNet for Accurate Skin Lesion Analysis [44.99833362998488]
本稿では,2次元ガウススプラッティングとTransformer UNetアーキテクチャを組み合わせた皮膚癌自動診断手法を提案する。セグメンテーションと分類の精度は著しく向上した。この統合は、新しいベンチマークをこの分野に設定し、マルチタスク医療画像解析手法のさらなる研究の可能性を強調している。
論文参考訳（メタデータ） (2025-02-23T23:28:47Z)
Robust Melanoma Thickness Prediction via Deep Transfer Learning enhanced by XAI Techniques [39.97900702763419]
本研究は,メラノーマの深さを測定するために皮膚内視鏡像の解析に焦点をあてる。顆粒層の上部から腫瘍浸潤の最も深い地点まで測定されたブレスロー深さは、黒色腫のステージングと治療決定の指針となる重要なパラメータである。 ISICやプライベートコレクションを含むさまざまなデータセットが使用され、合計で1162枚の画像が含まれている。その結果, 従来の手法に比べて, モデルが大幅に改善された。
論文参考訳（メタデータ） (2024-06-19T11:07:55Z)
Diagnosis of Skin Cancer Using VGG16 and VGG19 Based Transfer Learning Models [0.6827423171182154]
ディープ畳み込みニューラルネットワーク(CNN)は、データと画像の分類に優れた可能性を示している。本稿では,CNNを用いた皮膚病変分類問題について検討する。本研究では, 転写学習の枠組みを適切に設計し, 適用することにより, 病変検出の顕著な分類精度を得ることができることを示す。
論文参考訳（メタデータ） (2024-04-01T15:06:20Z)
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)
Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
論文参考訳（メタデータ） (2021-09-10T13:07:11Z)
Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文参考訳（メタデータ） (2021-02-26T02:29:30Z)
G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文参考訳（メタデータ） (2021-01-27T19:28:04Z)
Evaluation of Big Data based CNN Models in Classification of Skin Lesions with Melanoma [7.919213739992465]
このアーキテクチャは、畳み込み型ニューラルネットワークに基づいており、新しいCNNモデルを用いて評価され、既存のCNNモデルの再訓練が行われた。最高の性能は、修正版のResNet-50畳み込みニューラルネットワークを93.89%の精度で再訓練することで達成された。
論文参考訳（メタデータ） (2020-07-10T15:39:32Z)

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。