論文の概要: The Color-Clinical Decoupling: Why Perceptual Calibration Fails Clinical Biomarkers in Smartphone Dermatology

• arxiv url: http://arxiv.org/abs/2512.21988v1
• Date: Fri, 26 Dec 2025 11:19:25 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-29 12:04:01.288803
• Title: The Color-Clinical Decoupling: Why Perceptual Calibration Fails Clinical Biomarkers in Smartphone Dermatology
• Title（参考訳）: カラー・クリニカル・デカップリング : スマートフォン皮膚科学における知覚校正が臨床バイオマーカーを損なう理由
• Authors: Sungwoo Kang,
• Abstract要約: スマートフォンベースのテレダーマトロジーは、カラーキャリブレーションが臨床の信頼性を保証すると仮定している。 965人の韓国人被験者の43,425枚の画像を用いて,標準校正が信頼性の高い臨床バイオマーカーに変換されるかを検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Smartphone-based tele-dermatology assumes that colorimetric calibration ensures clinical reliability, yet this remains untested for underrepresented skin phototypes. We investigated whether standard calibration translates to reliable clinical biomarkers using 43,425 images from 965 Korean subjects (Fitzpatrick III-IV) across DSLR, tablet, and smartphone devices. While Linear Color Correction Matrix (CCM) normalization reduced color error by 67-77% -- achieving near-clinical accuracy (Delta E < 2.3) -- this success did not translate to biomarker reliability. We identify a phenomenon termed "color-clinical decoupling": despite perceptual accuracy, the Individual Typology Angle (ITA) showed poor inter-device agreement (ICC = 0.40), while the Melanin Index achieved good agreement (ICC = 0.77). This decoupling is driven by the ITA formula's sensitivity to b* channel noise and is further compounded by anatomical variance. Facial region accounts for 25.2% of color variance -- 3.6x greater than device effects (7.0%) -- challenging the efficacy of single-patch calibration. Our results demonstrate that current colorimetric standards are insufficient for clinical-grade biomarker extraction, necessitating region-aware protocols for mobile dermatology.
• Abstract（参考訳）: スマートフォンベースのテレダーマトロジーは、カラー測定による校正が臨床の信頼性を保証していると仮定するが、これは未表示の皮膚写真タイプでは証明されていない。 標準キャリブレーションが,デジタル一眼レフ,タブレット,スマートフォン端末の965人の韓国人被験者(Fitzpatrick III-IV)の43,425枚の画像を用いて,信頼性の高い臨床バイオマーカーに変換されるかどうかを検討した。 線形色補正マトリックス(CCM)の正規化は色誤差を67-77%削減し、ほぼクリニカルな精度(デルタE < 2.3)を達成したが、この成功はバイオマーカーの信頼性に寄与しなかった。 カラー・クリニカル・デカップリング (color-clinical decoupling) と呼ばれる現象は, 知覚的精度にもかかわらず, 個別型分類アングル (ITA) ではデバイス間合意 (ICC = 0.40) が低く, メラニン指数 (ICC = 0.77) は良好な一致 (ICC = 0.77) を示した。 この疎結合は、ITAの公式のb*チャネルノイズに対する感度によって駆動され、さらに解剖学的分散によって合成される。 顔領域は25.2%で、デバイス効果(7.0%)より3.6倍大きい。 以上の結果から, 臨床レベルのバイオマーカー抽出には現在の色彩基準が不十分であること, 移動皮膚科における領域認識プロトコルの必要性が示唆された。

関連論文リスト

• Explainable Melanoma Diagnosis with Contrastive Learning and LLM-based Report Generation [6.12668702512286]
  悪性黒色腫(CEFM)のクロスモーダル説明フレームワーク 解釈可能性を達成するための中核的なメカニズムとして、対照的な学習を使う。 公開データセットの実験では92.79%の精度でAUCは0.961である。
  論文  参考訳（メタデータ） (2025-12-05T19:19:36Z)
• Prostate-VarBench: A Benchmark with Interpretable TabNet Framework for Prostate Cancer Variant Classification [14.190646211771073]
  VUS(Variants of Uncertain Significance)は前立腺癌ゲノムの臨床的有用性を制限する。 Prostate-VarBenchは、prostate固有のベンチマークを作成するための、キュレートされたパイプラインである。
  論文  参考訳（メタデータ） (2025-11-12T06:13:50Z)
• A Novel Approach to Breast Cancer Histopathological Image Classification Using Cross-Colour Space Feature Fusion and Quantum-Classical Stack Ensemble Method [0.0]
  乳癌の分類は、タイムリーな診断と効果的な治療を確実にするための重要な柱である。 本研究は、乳がん分類の精度を高めるために、色空間アンサンブルと量子古典的積み重ねの相乗効果を利用する。
  論文  参考訳（メタデータ） (2024-04-03T04:26:50Z)
• DDI-CoCo: A Dataset For Understanding The Effect Of Color Contrast In Machine-Assisted Skin Disease Detection [51.92255321684027]
  皮膚のトーンと色差効果の相互作用について検討し,色差が皮膚のトーン間のモデル性能バイアスの新たな原因となる可能性が示唆された。 我々の研究は皮膚疾患の検出を改善するために皮膚科のAIに補完的な角度を提供する。
  論文  参考訳（メタデータ） (2024-01-24T07:45:24Z)
• Using Multiple Dermoscopic Photographs of One Lesion Improves Melanoma Classification via Deep Learning: A Prognostic Diagnostic Accuracy Study [0.0]
  本研究はCNNをベースとしたメラノーマ分類器に対する単一病変の複数の実世界の皮膚内視鏡像の影響について検討した。 複数の実世界の画像を使用することは、CNNベースのメラノーマ分類器の性能に肯定的な影響を及ぼすための安価な方法である。
  論文  参考訳（メタデータ） (2023-06-05T11:55:57Z)
• A marker-less human motion analysis system for motion-based biomarker discovery in knee disorders [60.99112047564336]
  NHSは低リスクの全ての患者に会うのが難しくなっているが、これはOA患者に限らない。 膝関節疾患の診断と治療経過のモニタリングのためのバイオマーカー自動同定法を提案する。
  論文  参考訳（メタデータ） (2023-04-26T16:47:42Z)
• Towards Reliable Medical Image Segmentation by Modeling Evidential Calibrated Uncertainty [57.023423137202485]
  医用画像のセグメンテーションの信頼性に関する懸念が臨床医の間で続いている。 本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。 主観的論理理論を活用することで、医用画像分割の確率と不確実性を明示的にモデル化する。
  論文  参考訳（メタデータ） (2023-01-01T05:02:46Z)
• Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
  本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
  論文  参考訳（メタデータ） (2022-10-13T15:34:20Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• A Pathology Deep Learning System Capable of Triage of Melanoma Specimens Utilizing Dermatopathologist Consensus as Ground Truth [5.46895714413677]
  本稿では,デジタル化された全スライド画像(WSI)の階層的な分類を行う病理深層学習システム(PDLS)を提案する。 これまでに収集されたメラノサイト標本のうち,最大規模の3つを含む7,685枚の画像を用いて,本システムを訓練した。 以上の結果から, PDLSは皮膚検体の自動分類・トリアージが可能であり, メラノサイト性虫垂症に対する感受性が高いことが示唆された。
  論文  参考訳（メタデータ） (2021-09-15T19:48:51Z)

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。