論文の概要: Patch-based Automatic Rosacea Detection Using the ResNet Deep Learning Framework

• arxiv url: http://arxiv.org/abs/2509.09841v1
• Date: Thu, 11 Sep 2025 20:44:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-15 16:03:07.916061
• Title: Patch-based Automatic Rosacea Detection Using the ResNet Deep Learning Framework
• Title（参考訳）: ResNetディープラーニングフレームワークを用いたパッチベース自動ロザセア検出
• Authors: Chengyu Yang, Rishik Reddy Yesgari, Chengjun Liu,
• Abstract要約: ロサチア(Rosacea)は慢性炎症性皮膚疾患で、顔の赤み、パプル、可視性血管を呈する。 本稿では,ResNet-18ディープラーニングフレームワークを用いたパッチベースの自動ロザセア検出手法を提案する。
• 参考スコア（独自算出の注目度）: 4.561078525225695
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rosacea, which is a chronic inflammatory skin condition that manifests with facial redness, papules, and visible blood vessels, often requirs precise and early detection for significantly improving treatment effectiveness. This paper presents new patch-based automatic rosacea detection strategies using the ResNet-18 deep learning framework. The contributions of the proposed strategies come from the following aspects. First, various image pateches are extracted from the facial images of people in different sizes, shapes, and locations. Second, a number of investigation studies are carried out to evaluate how the localized visual information influences the deep learing model performance. Third, thorough experiments are implemented to reveal that several patch-based automatic rosacea detection strategies achieve competitive or superior accuracy and sensitivity than the full-image based methods. And finally, the proposed patch-based strategies, which use only localized patches, inherently preserve patient privacy by excluding any identifiable facial features from the data. The experimental results indicate that the proposed patch-based strategies guide the deep learning model to focus on clinically relevant regions, enhance robustness and interpretability, and protect patient privacy. As a result, the proposed strategies offer practical insights for improving automated dermatological diagnostics.
• Abstract（参考訳）: ロサチア(Rosacea)は慢性の炎症性皮膚疾患で、顔の赤み、脈拍、可視性血管を呈し、治療効果を大幅に向上させる。 本稿では,ResNet-18ディープラーニングフレームワークを用いたパッチベースの自動ロザセア検出手法を提案する。 提案された戦略の貢献は以下の側面から成り立っている。 まず、大きさ、形状、位置の異なる人々の顔画像から、さまざまな画像パテッチを抽出する。 次に,局所的な視覚情報が深層学習モデルの性能に与える影響を評価するために,いくつかの調査研究を行った。 第3に、パッチベースの自動ロザセア検出戦略が、フルイメージベースの方法よりも、競争力または優れた精度と感度を達成することを明らかにするために、徹底的な実験が実施されている。 そして最後に、ローカライズされたパッチのみを使用するパッチベースの戦略は、データから識別可能な顔の特徴を除外することで、患者のプライバシを本質的に保護する。 実験結果から,提案したパッチベースの戦略は,深層学習モデルにおいて,臨床関連領域に着目し,堅牢性と解釈性を高め,患者のプライバシーを保護できることが示唆された。 その結果, 提案手法は, 自動皮膚科診断を改善するための実用的な知見を提供する。

関連論文リスト

• Privacy-Preserving Automated Rosacea Detection Based on Medically Inspired Region of Interest Selection [4.561078525225695]
  ロサチア(Rosacea)は、一般的には診断されるが炎症性皮膚疾患であり、主に中枢に影響を及ぼす。 臨床の先駆者から着想を得た新規なプライバシ保存型自動ロザセア検出法について紹介する。
  論文  参考訳（メタデータ） (2025-09-11T20:54:26Z)
• Enhancing Skin Disease Diagnosis: Interpretable Visual Concept Discovery with SAM [41.398287899966995]
  現在のAIによる皮膚画像診断は、皮膚がんの分類において皮膚科レベルのパフォーマンスを達成している。 皮膚病変診断のための新しいクロス・アテテーティブ・フュージョン・フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-14T20:11:25Z)
• Deep Learning Method to Predict Wound Healing Progress Based on Collagen Fibers in Wound Tissue [5.91170345684227]
  本稿では,創傷治癒の進展を予測するために,深層学習に基づく革新的なアプローチを提案する。 創傷治癒の6段階を82%の精度で分類した。 我々の知る限り,本提案モデルは創傷治癒過程を予測するための,最初の深層学習に基づく分類モデルである。
  論文  参考訳（メタデータ） (2024-05-08T13:33:32Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• AMLP:Adaptive Masking Lesion Patches for Self-supervised Medical Image Segmentation [67.97926983664676]
  自己監督型マスク画像モデリングは自然画像に対して有望な結果を示した。 しかし,このような手法を医用画像に直接適用することは依然として困難である。 適応型マスキング病変パッチ(AMLP)の自己管理型医用画像分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-08T13:18:10Z)
• Intelligent Masking: Deep Q-Learning for Context Encoding in Medical Image Analysis [48.02011627390706]
  我々は,対象地域を排除し,事前訓練の手順を改善する,新たな自己指導型アプローチを開発した。 予測モデルに対してエージェントを訓練することで、下流の分類タスクで抽出した意味的特徴を大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2022-03-25T19:05:06Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
  基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。 画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。 我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
  論文  参考訳（メタデータ） (2021-03-02T13:14:15Z)
• Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
  ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。 臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。 そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2020-10-09T14:39:27Z)

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。