論文の概要: Vision Models for Medical Imaging: A Hybrid Approach for PCOS Detection from Ultrasound Scans

• arxiv url: http://arxiv.org/abs/2601.15119v1
• Date: Wed, 21 Jan 2026 15:58:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-22 21:27:50.438648
• Title: Vision Models for Medical Imaging: A Hybrid Approach for PCOS Detection from Ultrasound Scans
• Title（参考訳）: 医用画像用視覚モデル:超音波スコープからのPCOS検出のためのハイブリッドアプローチ
• Authors: Md Mahmudul Hoque, Md Mehedi Hassain, Muntakimur Rahaman, Md. Towhidul Islam, Shaista Rani, Md Sharif Mollah,
• Abstract要約: バングラデシュの女性の多くは、高齢の多嚢胞性卵巣症候群(PCOS)を患っている。 畳み込みと変圧器に基づくアプローチを組み合わせた2つの新しいハイブリッドモデルを導入した。 トレーニングおよび検査データは「感染」(PCOS陽性)と「非感染」(健康な卵巣)の2つのカテゴリに分けられた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Polycystic Ovary Syndrome (PCOS) is the most familiar endocrine illness in women of reproductive age. Many Bangladeshi women suffer from PCOS disease in their older age. The aim of our research is to identify effective vision-based medical image analysis techniques and evaluate hybrid models for the accurate detection of PCOS. We introduced two novel hybrid models combining convolutional and transformer-based approaches. The training and testing data were organized into two categories: "infected" (PCOS-positive) and "noninfected" (healthy ovaries). In the initial stage, our first hybrid model, 'DenConST' (integrating DenseNet121, Swin Transformer, and ConvNeXt), achieved 85.69% accuracy. The final optimized model, 'DenConREST' (incorporating Swin Transformer, ConvNeXt, DenseNet121, ResNet18, and EfficientNetV2), demonstrated superior performance with 98.23% accuracy. Among all evaluated models, DenConREST showed the best performance. This research highlights an efficient solution for PCOS detection from ultrasound images, significantly improving diagnostic accuracy while reducing detection errors.
• Abstract（参考訳）: 多嚢胞性卵巣症候群(PCOS)は生殖年齢の女性において最もよく知られた内分泌疾患である。 多くのバングラデシュの女性が高齢のPCOS病に悩まされている。 本研究の目的は,効果的ビジョンに基づく医用画像解析手法の同定とPCOSの正確な検出のためのハイブリッドモデルの評価である。 畳み込みと変圧器に基づくアプローチを組み合わせた2つの新しいハイブリッドモデルを導入した。 トレーニングおよびテストデータは「感染」(PCOS陽性)と「非感染」(健康な卵巣)の2つのカテゴリに分けられた。 最初の段階では、最初のハイブリッドモデルであるDenConST(DenseNet121、Swin Transformer、ConvNeXtの統合)が85.69%の精度を達成した。 最後の最適化モデルであるDenConREST(Swin Transformer、ConvNeXt、DenseNet121、ResNet18、EfficientNetV2)は98.23%の精度で優れた性能を示した。 評価されたモデルの中で、DenConRESTは最高のパフォーマンスを示した。 本研究は, 超音波画像からPCOS検出を効率よく行うことで, 診断精度を大幅に向上し, 検出誤差を低減した。

関連論文リスト

• Explainable AI-Driven Detection of Human Monkeypox Using Deep Learning and Vision Transformers: A Comprehensive Analysis [0.20482269513546453]
  mpoxは動物園で流行するウイルス病で、公衆衛生に重大な影響を及ぼす。 症状が麻疹や鶏痘の症状とどのように一致しているかから,早期臨床診断は困難である。 深層学習(DL)技術と併用した医用画像は, 皮膚領域を解析することにより, 疾患検出の改善を約束している。 本研究は,皮膚病変画像データセットを用いて,深層学習と視覚トランスフォーマーに基づくモデルをスクラッチからトレーニングする可能性について検討した。
  論文  参考訳（メタデータ） (2025-04-03T19:45:22Z)
• Brain Tumor Classification on MRI in Light of Molecular Markers [56.99710477905796]
  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)
• Classification of Endoscopy and Video Capsule Images using CNN-Transformer Model [1.0994755279455526]
  本研究では、トランスフォーマーと畳み込みニューラルネットワーク(CNN)の利点を組み合わせて分類性能を向上させるハイブリッドモデルを提案する。 GastroVisionデータセットでは,精度,リコール,F1スコア,精度,マシューズ相関係数(MCC)が0.8320,0.8386,0.8324,0.8386,0.8191であった。
  論文  参考訳（メタデータ） (2024-08-20T11:05:32Z)
• Comparative Performance Analysis of Transformer-Based Pre-Trained Models for Detecting Keratoconus Disease [0.0]
  本研究は、変性眼疾患である角膜症(keratoconus)の診断のために、訓練済みの8つのCNNを比較した。 MobileNetV2は角膜と正常な症例を誤分類の少ない場合に最も正確なモデルであった。
  論文  参考訳（メタデータ） (2024-08-16T20:15:24Z)
• SynthVision -- Harnessing Minimal Input for Maximal Output in Computer Vision Models using Synthetic Image data [0.0]
  我々は,人工データのみを用いてヒトパピローマウイルス性器部を検出できる包括的コンピュータビジョンモデルを構築した。 F1スコアはHPVが96%、正常が97%であった。
  論文  参考訳（メタデータ） (2024-02-05T09:18:49Z)
• Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
  カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。 拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。 本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
  論文  参考訳（メタデータ） (2023-11-30T15:11:03Z)
• PCONet: A Convolutional Neural Network Architecture to Detect Polycystic Ovary Syndrome (PCOS) from Ovarian Ultrasound Images [0.0]
  多嚢胞性卵巣症候群(Polycystic Ovary syndrome, PCOS)は、生殖年齢の女性に多い内分泌機能障害である。 我々は,卵巣超音波画像から多彩な卵巣を検出するために,畳み込みニューラルネットワーク(CNN)であるPCONetを開発した。 また,45層からなる事前訓練された畳み込みニューラルネットワークであるInceptionV3をトランスファーラーニング法を用いて,嚢胞性卵巣超音波像の分類を行った。
  論文  参考訳（メタデータ） (2022-10-02T02:31:03Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)

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。