論文の概要: Computer Vision for Real-Time Monkeypox Diagnosis on Embedded Systems
- arxiv url: http://arxiv.org/abs/2507.17123v1
- Date: Wed, 23 Jul 2025 01:53:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-24 22:33:14.821417
- Title: Computer Vision for Real-Time Monkeypox Diagnosis on Embedded Systems
- Title（参考訳）: 組み込みシステムにおけるリアルタイムモンキーポックス診断のためのコンピュータビジョン
- Authors: Jacob M. Delgado-López, Ricardo A. Morell-Rodriguez, Sebastián O. Espinosa-Del Rosario, Wilfredo E. Lugo-Beauchamp,
- Abstract要約: 本研究では,NVIDIA Jetson Orin Nano上に展開するAI駆動型診断ツールを提案する。
このモデルはオープンソースのMonkeypox Skin Lesionデータセットでトレーニングされ、93.07%のF1スコアを達成した。
この診断ツールは、未保存地域の診断問題に対処するために、効率的でスケーラブルでエネルギーを意識したソリューションである。
- 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: The rapid diagnosis of infectious diseases, such as monkeypox, is crucial for effective containment and treatment, particularly in resource-constrained environments. This study presents an AI-driven diagnostic tool developed for deployment on the NVIDIA Jetson Orin Nano, leveraging the pre-trained MobileNetV2 architecture for binary classification. The model was trained on the open-source Monkeypox Skin Lesion Dataset, achieving a 93.07% F1-Score, which reflects a well-balanced performance in precision and recall. To optimize the model, the TensorRT framework was used to accelerate inference for FP32 and to perform post-training quantization for FP16 and INT8 formats. TensorRT's mixed-precision capabilities enabled these optimizations, which reduced the model size, increased inference speed, and lowered power consumption by approximately a factor of two, all while maintaining the original accuracy. Power consumption analysis confirmed that the optimized models used significantly less energy during inference, reinforcing their suitability for deployment in resource-constrained environments. The system was deployed with a Wi-Fi Access Point (AP) hotspot and a web-based interface, enabling users to upload and analyze images directly through connected devices such as mobile phones. This setup ensures simple access and seamless connectivity, making the tool practical for real-world applications. These advancements position the diagnostic tool as an efficient, scalable, and energy-conscious solution to address diagnosis challenges in underserved regions, paving the way for broader adoption in low-resource healthcare settings.
- Abstract（参考訳）: サルポックスなどの感染症の迅速診断は、特に資源に制約のある環境において、効果的な封じ込めと治療に不可欠である。
本研究では、NVIDIA Jetson Orin Nano上に展開するために開発されたAI駆動診断ツールについて、事前学習したMobileNetV2アーキテクチャを用いてバイナリ分類を行う。
このモデルはオープンソースのMonkeypox Skin Lesion Datasetでトレーニングされ、93.07%のF1スコアを達成した。
このモデルを最適化するために、TensorRTフレームワークはFP32の推論を高速化し、FP16およびINT8フォーマットのトレーニング後の量子化を行うために使用された。
TensorRTの混合精度機能によりこれらの最適化が可能となり、モデルのサイズが小さくなり、推論速度が向上し、消費電力は元の精度を維持しながらほぼ2倍になった。
電力消費分析により、最適化されたモデルは推論中にエネルギーを著しく削減し、資源制約のある環境への展開に適合性を高めたことが確認された。
このシステムは、Wi-Fi Access Point (AP)ホットスポットとWebベースのインターフェースでデプロイされ、ユーザーは携帯電話などの接続されたデバイスから直接画像をアップロードして分析することができる。
このセットアップにより、シンプルなアクセスとシームレスな接続が保証され、このツールは現実世界のアプリケーションに実用的になる。
これらの進歩は、診断ツールを、低リソースの医療環境において広く採用されるための、未保存領域における診断課題に対処するための、効率的でスケーラブルでエネルギーを意識したソリューションとして位置づけている。
関連論文リスト
- Model Compression Engine for Wearable Devices Skin Cancer Diagnosis [0.04818215922729968]
皮膚がんは最も一般的で予防可能ながんの1つであるが、早期発見は依然として課題である。
本研究では,このギャップに対処するために組込みシステムに最適化されたAI駆動型診断ツールを提案する。
論文 参考訳（メタデータ） (2025-07-23T02:02:24Z) - HyDRA: A Hybrid Dual-Mode Network for Closed- and Open-Set RFFI with Optimized VMD [2.9197024670810867]
HyDRAは、最適化された変分モード分解(VMD)を統合するハイブリッドデュアルモードRFアーキテクチャである
NVIDIA Jetson Xavier NX上にデプロイされたHyDRAは、低消費電力でミリ秒レベルの推論速度を実現する。
論文 参考訳（メタデータ） (2025-07-16T11:02:11Z) - Efficient Federated Learning with Heterogeneous Data and Adaptive Dropout [62.73150122809138]
Federated Learning(FL)は、複数のエッジデバイスを使用したグローバルモデルの協調トレーニングを可能にする、有望な分散機械学習アプローチである。
動的不均一モデルアグリゲーション(FedDH)と適応ドロップアウト(FedAD)の2つの新しい手法を備えたFedDHAD FLフレームワークを提案する。
これら2つの手法を組み合わせることで、FedDHADは精度(最大6.7%)、効率(最大2.02倍高速)、コスト(最大15.0%小型)で最先端のソリューションを大幅に上回っている。
論文 参考訳（メタデータ） (2025-07-14T16:19:00Z) - POLARON: Precision-aware On-device Learning and Adaptive Runtime-cONfigurable AI acceleration [0.0]
本研究は,効率的な乗算累積演算を行うSIMD対応マルチ精度MACエンジンを提案する。
このアーキテクチャは、計算精度をワークロードの感度に合わせるための層適応的精度戦略を取り入れている。
その結果,PDPは最大で2倍,資源使用量は3倍に改善した。
論文 参考訳（メタデータ） (2025-06-10T13:33:02Z) - Benchmarking Energy and Latency in TinyML: A Novel Method for Resource-Constrained AI [0.0]
この研究は、エネルギーと遅延の測定を統合する代替のベンチマーク手法を導入する。
設定を評価するために、ニューラルネットワークを実行するためのNPUを含むSTM32N6 MCUをテストした。
その結果,コア電圧とクロック周波数の低減により,前処理と後処理の効率が向上することが示唆された。
論文 参考訳（メタデータ） (2025-05-21T15:12:14Z) - Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。
既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。
ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-29T19:02:54Z) - Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。
iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
論文 参考訳（メタデータ） (2024-07-10T19:17:23Z) - Benchmarking Deep Learning Models on NVIDIA Jetson Nano for Real-Time Systems: An Empirical Investigation [2.3636539018632616]
この研究は、複雑なディープラーニングモデルの最適化を実証的に研究し、組み込みデバイス上で機能を分析する。
画像分類と映像行動検出のための推論速度の観点から最適化されたモデルの有効性を評価する。
論文 参考訳（メタデータ） (2024-06-25T17:34:52Z) - REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。
グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。
本モデルは,発作検出と分類作業において高い精度を示す。
論文 参考訳（メタデータ） (2024-06-03T16:30:19Z) - Test-Time Model Adaptation with Only Forward Passes [68.11784295706995]
テストタイム適応は、トレーニング済みのモデルを、潜在的に分布シフトのある未確認テストサンプルに適応させるのに有効であることが証明されている。
テスト時間フォワード最適化適応法(FOA)を提案する。
FOAは量子化された8ビットのViTで動作し、32ビットのViTで勾配ベースのTENTより優れ、ImageNet-Cで最大24倍のメモリ削減を実現する。
論文 参考訳（メタデータ） (2024-04-02T05:34:33Z) - Ultrafast-and-Ultralight ConvNet-Based Intelligent Monitoring System for Diagnosing Early-Stage Mpox Anytime and Anywhere [4.393125661498784]
Fast-MpoxNetはわずか0.27Mパラメータで、CPU上の68フレーム毎秒(FPS)で入力画像を処理できる。
Mpox-AISM V2は、迅速に正確にmpoxを診断でき、公共のリアルタイムmpox診断サービスを提供するために、様々なシナリオに容易に展開できる。
論文 参考訳（メタデータ） (2023-08-25T17:06:30Z) - ALF: Autoencoder-based Low-rank Filter-sharing for Efficient
Convolutional Neural Networks [63.91384986073851]
オートエンコーダを用いた低ランクフィルタ共有技術(ALF)を提案する。
ALFは、ネットワークパラメータの70%、オペレーションの61%、実行時間の41%を削減し、精度の低下を最小限にしている。
論文 参考訳（メタデータ） (2020-07-27T09:01:22Z)
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。