Fugu-MT 論文翻訳(概要): Smart Diagnosis and Early Intervention in PCOS: A Deep Learning Approach to Women's Reproductive Health

論文の概要: Smart Diagnosis and Early Intervention in PCOS: A Deep Learning Approach to Women's Reproductive Health

arxiv url: http://arxiv.org/abs/2602.04944v1
Date: Wed, 04 Feb 2026 18:58:21 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-06 18:49:08.570059
Title: Smart Diagnosis and Early Intervention in PCOS: A Deep Learning Approach to Women's Reproductive Health
Title（参考訳）: PCOSにおけるスマート診断と早期介入 : 女性の生殖健康への深層学習アプローチ
Authors: Shayan Abrar, Samura Rahman, Ishrat Jahan Momo, Mahjabin Tasnim Samiha, B. M. Shahria Alam, Mohammad Tahmid Noor, Nishat Tasnim Niloy,
Abstract要約: 多嚢胞性卵巣症候群(Polycystic Ovary syndrome, PCOS)は、生殖年齢の女性に広くみられる疾患である。本稿では,卵巣超音波画像の分類のための伝達学習に基づく強力なフレームワークを設計する。このモデルは、嚢胞感染および非感染患者の3856個の超音波画像を含むオンラインデータセットでトレーニングされた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Polycystic Ovary Syndrome (PCOS) is a widespread disorder in women of reproductive age, characterized by a hormonal imbalance, irregular periods, and multiple ovarian cysts. Infertility, metabolic syndrome, and cardiovascular risks are long-term complications that make early detection essential. In this paper, we design a powerful framework based on transfer learning utilizing DenseNet201 and ResNet50 for classifying ovarian ultrasound images. The model was trained on an online dataset containing 3856 ultrasound images of cyst-infected and non-infected patients. Each ultrasound frame was resized to 224x224 pixels and encoded with precise pathological indicators. The MixUp and CutMix augmentation strategies were used to improve generalization, yielding a peak validation accuracy of 99.80% by Densenet201 and a validation loss of 0.617 with alpha values of 0.25 and 0.4, respectively. We evaluated the model's interpretability using leading Explainable AI (XAI) approaches such as SHAP, Grad-CAM, and LIME, reasoning with and presenting explicit visual reasons for the model's behaviors, therefore increasing the model's transparency. This study proposes an automated system for medical picture diagnosis that may be used effectively and confidently in clinical practice.
Abstract（参考訳）: 多嚢胞性卵巣症候群(Polycystic Ovary syndrome、PCOS)は、ホルモン不均衡、不規則期間、複数の卵巣嚢胞を特徴とする生殖年齢の女性に広くみられる疾患である。不妊症、メタボリックシンドローム、心血管疾患は、早期発見を必須とする長期合併症である。本稿では,DenseNet201 と ResNet50 を用いた移動学習に基づく強力な枠組みを設計し,卵巣超音波画像の分類を行う。このモデルは、嚢胞感染および非感染患者の3856個の超音波画像を含むオンラインデータセットでトレーニングされた。それぞれの超音波フレームは224×224ピクセルにリサイズされ、正確な病理指標でエンコードされた。 MixUpとCutMixの拡張戦略は、Densenet201による99.80%の検証精度と、それぞれ0.25と0.4のアルファ値で0.617の検証損失をもたらす、一般化を改善するために使用された。我々は、SHAP、Grad-CAM、LIMEといった先進的な説明可能なAI(XAI)アプローチを用いてモデルの解釈可能性を評価し、モデルの振る舞いに対する明確な視覚的理由を推論し提示することにより、モデルの透明性を高めた。本研究は,臨床実習において有効かつ確実に使用できる医用画像診断自動化システムを提案する。

関連論文リスト

Vision Models for Medical Imaging: A Hybrid Approach for PCOS Detection from Ultrasound Scans [0.0]
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。
論文参考訳（メタデータ） (2026-01-21T15:58:05Z)
One-shot synthesis of rare gastrointestinal lesions improves diagnostic accuracy and clinical training [45.49415063761575]
EndoRareは、単一の参照画像から多種多様な高忠実度病変を合成する、ワンショットでリトレーニング不要な生成フレームワークである。われわれはこの枠組みを4つの稀な病理から検証した。これらの結果は, コンピュータ支援診断と臨床教育の両方において, 希少なギャップを埋める実践的でデータ効率のよい方法を確立している。
論文参考訳（メタデータ） (2025-12-30T15:07:09Z)
A Lightweight, Interpretable Deep Learning System for Automated Detection of Cervical Adenocarcinoma In Situ (AIS) [0.0]
AISと正常頸部腺組織との鑑別が可能な深層学習型仮想病理支援システムを開発した。モデル全体の精度は0.7323で、F1スコアはAbnormalクラスが0.75、Normalクラスが0.71である。これらの知見は, 頚腺病理における軽快な形態, 解釈可能なAIシステムの実現可能性を示している。
論文参考訳（メタデータ） (2025-11-22T13:48:37Z)
From ACR O-RADS 2022 to Explainable Deep Learning: Comparative Performance of Expert Radiologists, Convolutional Neural Networks, Vision Transformers, and Fusion Models in Ovarian Masses [8.734125009057918]
深層学習モデルは、画像に基づく卵巣病変のキャラクタリゼーションにおいて有望であることを示す。本研究は,O-RADS v2022を応用したラジオロジカル性能の評価を行い,それを先進畳み込みニューラルネットワーク(CNN)と視覚変換器(ViT)モデルと比較した。 CNNのAUCは0.620から0.908、AUCは59.2%から86.4%、ViT16-384は0.941、精度は87.4%だった。
論文参考訳（メタデータ） (2025-11-09T08:36:42Z)
Epistemic-aware Vision-Language Foundation Model for Fetal Ultrasound Interpretation [83.02147613524032]
医療用AIシステムFetalMindについて報告する。本稿では、専門家による2部グラフをモデルに注入し、ビュー・ディスリーズ関連を分離するSED(Salient Epistemic Disentanglement)を提案する。 FetalMindはすべての妊娠期のオープンソースおよびクローズドソースベースラインを上回り、平均利得は+14%、臨界条件では+61.2%高い。
論文参考訳（メタデータ） (2025-10-14T19:57:03Z)
Deep Learning with Self-Attention and Enhanced Preprocessing for Precise Diagnosis of Acute Lymphoblastic Leukemia from Bone Marrow Smears in Hemato-Oncology [0.0]
急性リンパ性白血病(ALL)は、小児と成人の双方で血液学的悪性腫瘍として広くみられる。骨髄スミア画像からのall自動診断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。
論文参考訳（メタデータ） (2025-08-24T05:30:02Z)
A Disease-Centric Vision-Language Foundation Model for Precision Oncology in Kidney Cancer [54.58205672910646]
RenalCLIPは、腎腫瘤の特徴、診断、予後のための視覚言語基盤モデルである。腎がんの完全な臨床ワークフローにまたがる10のコアタスクにおいて、優れたパフォーマンスと優れた一般化性を実現した。
論文参考訳（メタデータ） (2025-08-22T17:48:19Z)
Design and Validation of a Responsible Artificial Intelligence-based System for the Referral of Diabetic Retinopathy Patients [65.57160385098935]
糖尿病網膜症の早期発見は、視力喪失のリスクを最大95%減少させる可能性がある。我々は、AIライフサイクル全体にわたる倫理的原則を取り入れた、DRスクリーニングのための責任あるAIシステムであるRAIS-DRを開発した。当科におけるRAIS-DRをFDA認可のEyeArtシステムと比較した。
論文参考訳（メタデータ） (2025-08-17T21:54:11Z)
A Foundational Generative Model for Breast Ultrasound Image Analysis [42.618964727896156]
基礎モデルは臨床現場で様々な課題に対処するための強力なツールとして登場した。乳房超音波検査に特化して設計された最初の基礎的生成モデルであるBUSGenについて述べる。 BUSGenは、数ショットの適応で、現実的で情報に富んだタスク固有のデータのリポジトリを生成することができる。
論文参考訳（メタデータ） (2025-01-12T16:39:13Z)
Deep Learning for fully automatic detection, segmentation, and Gleason Grade estimation of prostate cancer in multiparametric Magnetic Resonance Images [0.731365367571807]
本稿では,PCa-suspect 患者から前立腺 mpMRI を抽出するDeep Learning に基づく完全自動システムを提案する。 PCaの病変を特定し、それらを分類し、最も可能性の高いGleason grade group(GGG)を予測する。 ProstateXトレーニングシステムのコードはhttps://github.com/OscarPellicer/prostate_lesion_detection.comで公開されている。
論文参考訳（メタデータ） (2021-03-23T16:08:43Z)

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。