Fugu-MT 論文翻訳(概要): A Deep Learning Application for Psoriasis Detection

論文の概要: A Deep Learning Application for Psoriasis Detection

arxiv url: http://arxiv.org/abs/2508.18528v1
Date: Mon, 25 Aug 2025 21:56:24 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-27 17:42:38.612488
Title: A Deep Learning Application for Psoriasis Detection
Title（参考訳）: Psoriasis 検出のための深層学習アプリケーション
Authors: Anna Milani, Fábio S. da Silva, Elloá B. Guedes, Ricardo Rios,
Abstract要約: ResNet50、Inception v3、VGG19の3つの畳み込みニューラルネットワークモデルを比較した。以上より, Psoriasis の診断を支援する手段としては, モデルインセプション v3 が有用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-nc-nd/4.0/
Abstract: In this paper a comparative study of the performance of three Convolutional Neural Network models, ResNet50, Inception v3 and VGG19 for classification of skin images with lesions affected by psoriasis is presented. The images used for training and validation of the models were obtained from specialized platforms. Some techniques were used to adjust the evaluation metrics of the neural networks. The results found suggest the model Inception v3 as a valuable tool for supporting the diagnosis of psoriasis. This is due to its satisfactory performance with respect to accuracy and F1-Score (97.5% ${\pm}$ 0.2).
Abstract（参考訳）: 本稿では, 3種類の畳み込みニューラルネットワークモデルであるResNet50, Inception v3, VGG19の性能比較を行った。モデルのトレーニングと検証に使用される画像は,専用プラットフォームから得られた。ニューラルネットワークの評価基準を調整するために、いくつかのテクニックが使用された。以上の結果から,本モデルインセプションv3は乾息の診断支援に有用であることが示唆された。これは精度とF1スコア(97.5%${\pm}$ 0.2)に関して満足できる性能のためである。

関連論文リスト

Visual Bias and Interpretability in Deep Learning for Dermatological Image Analysis [0.0]
本研究では,多型皮膚疾患分類のためのディープラーニングフレームワークを提案する。我々は、事前学習された畳み込みニューラルネットワーク(DenseNet201, Efficient-NetB5)とトランスフォーマーベースモデル(ViT, Swin Transformer, DinoV2 Large)の性能をベンチマークする。その結果、RGB前処理のDinoV2は全変種で最高精度(最大93%)とF1スコアを達成した。
論文参考訳（メタデータ） (2025-08-06T15:57:49Z)
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)
Enhancing Skin Disease Classification Leveraging Transformer-based Deep Learning Architectures and Explainable AI [2.3149142745203326]
皮膚疾患は世界の人口の3分の1以上に影響を与えるが、その影響は過小評価されることが多い。深層学習技術は皮膚疾患の特定を含む様々なタスクに多くの可能性を示してきた。この研究では、31のクラスを持つ皮膚疾患データセットを使用し、Vision Transformers、Swin Transformers、DivoV2のすべてのバージョンと比較した。
論文参考訳（メタデータ） (2024-07-20T05:38:00Z)
Using Deep Learning for Morphological Classification in Pigs with a Focus on Sanitary Monitoring [36.44117994399959]
この研究は、これらのカドファジー、耳血腫、体のひっかき傷、赤み、天然汚れ(茶色または黒)の5つの豚の特徴に焦点を当てた。以上の結果から,D-CNNは皮膚特性に関連するブタの身体形態の偏差の分類に有効であることが示唆された。
論文参考訳（メタデータ） (2024-03-13T21:05:34Z)
Transfer-Ensemble Learning based Deep Convolutional Neural Networks for Diabetic Retinopathy Classification [0.7614628596146599]
本稿では,糖尿病性網膜症 (DR) を,VGG16 と Inception V3 の2つのよく訓練された畳み込みニューラルネットワークに基づくアンサンブルアプローチを用いて,5つのクラスに分類することを目的とする。実験結果から,DR分類におけるアンサンブルモデルの有効性が96.4%の精度で示された。
論文参考訳（メタデータ） (2023-08-01T13:07:39Z)
Significantly improving zero-shot X-ray pathology classification via fine-tuning pre-trained image-text encoders [50.689585476660554]
本稿では,正対損失緩和とランダムな文サンプリングを含む新たな微調整手法を提案する。提案手法は,胸部X線データセットと3つの事前訓練モデル間のゼロショット病理分類を一貫して改善する。
論文参考訳（メタデータ） (2022-12-14T06:04:18Z)
VoxelHop: Successive Subspace Learning for ALS Disease Classification Using Structural MRI [30.469124322749828]
Amyotrophic Lateral Sclerosis (ALS) の正確な分類のためのサブスペース学習モデルである VoxelHop を提案する。一般的な畳み込みニューラルネットワーク(CNN)アーキテクチャと比較して、VoxelHopはモジュール構造と透過構造を持ち、バックプロパゲーションなしではパラメータが少ない。我々のフレームワークは、異なる画像モダリティを用いて、他の分類タスクに容易に一般化できる。
論文参考訳（メタデータ） (2021-01-13T15:25:57Z)
Towards the Localisation of Lesions in Diabetic Retinopathy [2.3204178451683264]
本研究は,4つの最先端ディープラーニングモデルの事前学習重量を用いて,糖尿病網膜症(DR)基底画像の局所化マップを作成し,比較する。 inceptionv3は、テスト分類精度96.07%で最高の性能を達成し、病変を他のモデルよりも良く高速にローカライズする。
論文参考訳（メタデータ） (2020-12-21T15:39:17Z)
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。