論文の概要: Asymmetric Lesion Detection with Geometric Patterns and CNN-SVM Classification

• arxiv url: http://arxiv.org/abs/2507.17185v1
• Date: Wed, 23 Jul 2025 04:17:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-24 22:33:14.853178
• Title: Asymmetric Lesion Detection with Geometric Patterns and CNN-SVM Classification
• Title（参考訳）: 幾何学的パターンを用いた非対称病変検出とCNN-SVM分類
• Authors: M. A. Rasel, Sameem Abdul Kareem, Zhenli Kwan, Nik Aimee Azizah Faheem, Winn Hui Han, Rebecca Kai Jan Choong, Shin Shen Yong, Unaizah Obaidellah,
• Abstract要約: 臨床応用法では, 悪性黒色腫の診断基準の一つとして非対称病変形態がある。 本稿では,教師付き学習画像処理アルゴリズムとして,病変形状の幾何学的パターンを解析するための支援手法を提案する。 次に、トレーニング済みの畳み込みニューラルネットワーク(CNN)を用いて、皮膚画像から形状、色、テクスチャの特徴を抽出する。
• 参考スコア（独自算出の注目度）: 0.8733016359948068
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In dermoscopic images, which allow visualization of surface skin structures not visible to the naked eye, lesion shape offers vital insights into skin diseases. In clinically practiced methods, asymmetric lesion shape is one of the criteria for diagnosing melanoma. Initially, we labeled data for a non-annotated dataset with symmetrical information based on clinical assessments. Subsequently, we propose a supporting technique, a supervised learning image processing algorithm, to analyze the geometrical pattern of lesion shape, aiding non-experts in understanding the criteria of an asymmetric lesion. We then utilize a pre-trained convolutional neural network (CNN) to extract shape, color, and texture features from dermoscopic images for training a multiclass support vector machine (SVM) classifier, outperforming state-of-the-art methods from the literature. In the geometry-based experiment, we achieved a 99.00% detection rate for dermatological asymmetric lesions. In the CNN-based experiment, the best performance is found with 94% Kappa Score, 95% Macro F1-score, and 97% Weighted F1-score for classifying lesion shapes (Asymmetric, Half-Symmetric, and Symmetric).
• Abstract（参考訳）: 肉眼では見えない表面の皮膚構造を可視化できる皮膚内視鏡画像では、病変の形状は皮膚疾患に重要な洞察を与える。 臨床応用法では, 悪性黒色腫の診断基準の一つとして非対称病変形態がある。 当初,臨床評価に基づく対称情報付き非注釈データセットのラベル付けを行った。 次に,非専門家が非対称な病変の基準を理解するのを支援するために,教師付き学習画像処理アルゴリズムを提案する。 次に、事前学習した畳み込みニューラルネットワーク(CNN)を用いて、皮膚画像から形状、色、テクスチャの特徴を抽出し、多クラス支援ベクトルマシン(SVM)分類器を訓練し、文献から最先端の手法より優れることを示す。 幾何学的不斉病変に対する検出率は99.00%であった。 CNNをベースとした実験では,94%のカッパスコア,95%のマクロF1スコア,97%の重み付きF1スコアを用いて病変形状の分類を行う(非対称,半対称性,対称性)。

関連論文リスト

• Symmetry Awareness Encoded Deep Learning Framework for Brain Imaging Analysis [17.96729816246268]
  本研究は,脳疾患の検出とセグメンテーション分析を強化するために,ヒト脳の固有対称解剖学的特徴を活用する新しいアプローチを提案する。 左右半球の対称的特徴を符号化するために,新たな対称性認識クロスアテンション (SACA) モジュールが提案され,Symmetry-Aware Head (SAH) として対称的特徴を検出するプロキシタスクが提案されている。 本研究は, 事前トレーニングに対称性認識を取り入れることの有効性を提唱し, 医用画像解析のための新しいベンチマークを作成し, 正確かつ効率的な診断プロセスに向けて大きな前進を約束する。
  論文  参考訳（メタデータ） (2024-07-12T03:08:15Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• Beyond CNNs: Exploiting Further Inherent Symmetries in Medical Image Segmentation [21.6412682130116]
  より正確な表現を学習するために、これらの固有対称性を符号化することで、新しいグループ同変セグメンテーションフレームワークを提案する。 GER-UNet(Group Equivariant Res-UNet)が通常のCNNよりも優れていることを示す。 新たに構築されたGER-UNetは、サンプルの複雑さとフィルタの冗長性を減少させる可能性を示している。
  論文  参考訳（メタデータ） (2022-07-29T04:28:20Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
  急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。 提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。 提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-10-11T07:13:26Z)
• Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
  臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。 まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
  論文  参考訳（メタデータ） (2021-04-02T20:52:05Z)
• Transfer Learning with Ensembles of Deep Neural Networks for Skin Cancer Classification in Imbalanced Data Sets [0.6802401545890961]
  医療画像から皮膚癌を正確に分類するための機械学習技術が報告されている。 多くのテクニックは、訓練済みの畳み込みニューラルネットワーク(CNN)に基づいており、限られたトレーニングデータに基づいてモデルをトレーニングすることができる。 本稿では,複数のcnnモデルが事前学習され,一部は手元のデータのみにトレーニングされ,患者情報(メタデータ)はメタリーナーを用いて結合される,新しいアンサンブルベースのcnnアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-03-22T06:04:45Z)
• 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)
• Anatomy-Aware Siamese Network: Exploiting Semantic Asymmetry for Accurate Pelvic Fracture Detection in X-ray Images [36.35987775099686]
  本研究では,空間トランス層で強化されたシームズネットワーク上に構築された新しいフラクチャー検出フレームワークを提案する。 提案法は, 特発性患者2,359例のPXRに対して広範囲に評価されている。 これは最先端の骨折検出方法の中でも最高であり、臨床症状の改善がある。
  論文  参考訳（メタデータ） (2020-07-03T02:33:24Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)

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。