論文の概要: Privacy-Preserving Automated Rosacea Detection Based on Medically Inspired Region of Interest Selection

• arxiv url: http://arxiv.org/abs/2509.09844v1
• Date: Thu, 11 Sep 2025 20:54:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-15 16:03:07.917968
• Title: Privacy-Preserving Automated Rosacea Detection Based on Medically Inspired Region of Interest Selection
• Title（参考訳）: 医学的インスパイアされた関心選択領域に基づくプライバシー保護型ロザセア自動検出
• Authors: Chengyu Yang, Rishik Reddy Yesgari, Chengjun Liu,
• Abstract要約: 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。
• 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 is a common but underdiagnosed inflammatory skin condition that primarily affects the central face and presents with subtle redness, pustules, and visible blood vessels. Automated detection remains challenging due to the diffuse nature of symptoms, the scarcity of labeled datasets, and privacy concerns associated with using identifiable facial images. A novel privacy-preserving automated rosacea detection method inspired by clinical priors and trained entirely on synthetic data is presented in this paper. Specifically, the proposed method, which leverages the observation that rosacea manifests predominantly through central facial erythema, first constructs a fixed redness-informed mask by selecting regions with consistently high red channel intensity across facial images. The mask thus is able to focus on diagnostically relevant areas such as the cheeks, nose, and forehead and exclude identity-revealing features. Second, the ResNet-18 deep learning method, which is trained on the masked synthetic images, achieves superior performance over the full-face baselines with notable gains in terms of accuracy, recall and F1 score when evaluated using the real-world test data. The experimental results demonstrate that the synthetic data and clinical priors can jointly enable accurate and ethical dermatological AI systems, especially for privacy sensitive applications in telemedicine and large-scale screening.
• Abstract（参考訳）: ロサチア(Rosacea)は、一般的に診断されるが炎症性皮膚疾患であり、主に中央の顔に影響を及ぼし、微妙な赤み、膿瘍、可視性血管を呈する。 症状の拡散性、ラベル付きデータセットの不足、識別可能な顔画像の使用に伴うプライバシー上の懸念により、自動検出は依然として困難である。 本稿では,臨床先行研究に触発された新規なプライバシー保護型自動ロザセア検出法について述べる。 具体的には、中枢性顔面エリテマを通して主にロセアが現れるという観察を生かし、まず、顔画像全体にわたって一貫した赤色チャネル強度の領域を選択することにより、固定された赤みインフォームドマスクを構築する。 したがって、マスクは頬、鼻、額などの診断に関係のある領域に焦点を合わせ、身元確認の特徴を排除できる。 第2に,マスク付き合成画像に基づいて学習したResNet-18深層学習法は,実世界のテストデータを用いて評価した場合,精度,リコール,F1スコアの点で,顔全体のベースラインよりも優れた性能を示す。 実験の結果, 人工的データと臨床的先行性により, 特に遠隔医療および大規模スクリーニングにおけるプライバシーに敏感な応用において, 正確かつ倫理的な皮膚科的AIシステムを共同で実現できることが確認された。

関連論文リスト

• Patch-based Automatic Rosacea Detection Using the ResNet Deep Learning Framework [4.561078525225695]
  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。
  論文  参考訳（メタデータ） (2025-09-11T20:44:13Z)
• Zero-shot Segmentation of Skin Conditions: Erythema with Edit-Friendly Inversion [0.27624021966289597]
  本研究は, 拡散モデルにおける編集フレンドリーな逆転を用いたエロテマ(皮膚の赤み)の検出のためのゼロショット画像分割フレームワークを提案する。 この方法は、生成的編集により、エリスマのない同一患者の参照画像を合成し、これらの参照を元の画像と正確に整合させる。
  論文  参考訳（メタデータ） (2025-08-02T12:00:35Z)
• FairSkin: Fair Diffusion for Skin Disease Image Generation [54.29840149709033]
  拡散モデル (DM) は, 合成医用画像の生成において主要な手法となっているが, 臨界二倍偏差に悩まされている。 このようなバイアスを3段階のリサンプリング機構によって緩和する新しいDMフレームワークであるFairSkinを提案する。 本手法は, 画像の多様性と品質を著しく向上させ, 臨床環境における皮膚疾患の検出精度の向上に寄与する。
  論文  参考訳（メタデータ） (2024-10-29T21:37:03Z)
• CFCPalsy: Facial Image Synthesis with Cross-Fusion Cycle Diffusion Model for Facial Paralysis Individuals [6.9859169233703104]
  本研究の目的は、このギャップに対処するために、高品質な顔面麻痺データセットを合成することである。 拡散モデルに基づく新しいクロスフュージョンサイクルPalsy式生成モデル(PalsyCFC)を提案する。 顔面麻痺の一般的な臨床データセットについて, 定性的, 定量的に検討した。
  論文  参考訳（メタデータ） (2024-09-11T13:46:35Z)
• OpticalDR: A Deep Optical Imaging Model for Privacy-Protective Depression Recognition [66.91236298878383]
  抑うつ認識(DR)は、特にプライバシー上の懸念の文脈において、大きな課題となる。 我々は,疾患関連特徴を保持しつつ,撮像した顔画像の識別情報を消去する新しいイメージングシステムを設計した。 正確なDRに必要な本態性疾患の特徴を保ちながら、アイデンティティ情報の回復には不可逆である。
  論文  参考訳（メタデータ） (2024-02-29T01:20:29Z)
• 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)
• High Fidelity Synthetic Face Generation for Rosacea Skin Condition from Limited Data [0.27998963147546135]
  StyleGANは主にStyleGANの変種であるが、合成顔画像の生成において有望な結果を示している。 300枚のフルフェイス画像を持つRosaceaの小さなデータセットを使用して、合成データを生成する可能性をさらに調査する。 予備実験では、モデルが微調整され、様々な実験条件がロサチアの特徴の忠実さにどのように影響するかが示されている。
  論文  参考訳（メタデータ） (2023-03-08T19:18:58Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• End2End Occluded Face Recognition by Masking Corrupted Features [82.27588990277192]
  最先端の一般的な顔認識モデルは、隠蔽された顔画像に対してうまく一般化しない。 本稿では,1つのエンドツーエンドのディープニューラルネットワークに基づいて,オクルージョンに頑健な新しい顔認識手法を提案する。 我々のアプローチは、深い畳み込みニューラルネットワークから破損した特徴を発見し、動的に学習されたマスクによってそれらをきれいにする。
  論文  参考訳（メタデータ） (2021-08-21T09:08:41Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。