論文の概要: Synthetic Melanoma Image Generation and Evaluation Using Generative Adversarial Networks

• arxiv url: http://arxiv.org/abs/2603.13497v1
• Date: Fri, 13 Mar 2026 18:21:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.243191
• Title: Synthetic Melanoma Image Generation and Evaluation Using Generative Adversarial Networks
• Title（参考訳）: 生成逆ネットワークを用いた合成メラノーマ画像の生成と評価
• Authors: Pei-Yu Lin, Yidan Shen, Neville Mathew, Renjie Hu, Siyu Huang, Courtney M. Queen, Cameron E. West, Ana Ciurea, George Zouridakis,
• Abstract要約: 我々は,高分解能メラノーマ特異的合成のための4つのGANアーキテクチャ(DCGAN,StyleGAN2,StyleGAN3)と2つのStyleGAN3変異体(T/R)を比較した。 StyleGAN2は、定量性能と知覚品質の最良のバランスを達成し、FIDスコアは24.8と7.96(ISICと7.96(ISIC 2020))をガンマ=0.8で達成している。 制御された拡張実験では、クラス不均衡に対応するために合成メラノーマ画像を追加することで、保持された実像テストセット上で、0.925から0.945までのメラノーマ検出AUCが改善された。
• 参考スコア（独自算出の注目度）: 8.789857856546147
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Melanoma is the most lethal form of skin cancer, and early detection is critical for improving patient outcomes. Although dermoscopy combined with deep learning has advanced automated skin-lesion analysis, progress is hindered by limited access to large, well-annotated datasets and by severe class imbalance, where melanoma images are substantially underrepresented. To address these challenges, we present the first systematic benchmarking study comparing four GAN architectures-DCGAN, StyleGAN2, and two StyleGAN3 variants (T/R)-for high-resolution melanoma-specific synthesis. We train and optimize all models on two expert-annotated benchmarks (ISIC 2018 and ISIC 2020) under unified preprocessing and hyperparameter exploration, with particular attention to R1 regularization tuning. Image quality is assessed through a multi-faceted protocol combining distribution-level metrics (FID), sample-level representativeness (FMD), qualitative dermoscopic inspection, downstream classification with a frozen EfficientNet-based melanoma detector, and independent evaluation by two board-certified dermatologists. StyleGAN2 achieves the best balance of quantitative performance and perceptual quality, attaining FID scores of 24.8 (ISIC 2018) and 7.96 (ISIC 2020) at gamma=0.8. The frozen classifier recognizes 83% of StyleGAN2-generated images as melanoma, while dermatologists distinguish synthetic from real images at only 66.5% accuracy (chance = 50%), with low inter-rater agreement (kappa = 0.17). In a controlled augmentation experiment, adding synthetic melanoma images to address class imbalance improved melanoma detection AUC from 0.925 to 0.945 on a held-out real-image test set. These findings demonstrate that StyleGAN2-generated melanoma images preserve diagnostically relevant features and can provide a measurable benefit for mitigating class imbalance in melanoma-focused machine learning pipelines.
• Abstract（参考訳）: メラノーマは皮膚がんで最も致命的な形態であり、早期発見は患者の予後を改善するために重要である。 深層学習と併用した皮膚内視鏡検査は, 皮膚病変解析の高度化にともなってはいるが, 大規模で注釈のよいデータセットへの限られたアクセスや, メラノーマ画像がほとんど表現されていない重度のクラス不均衡によって進行が妨げられている。 これらの課題に対処するため,我々は,高分解能メラノーマ特異的合成のための4つのGANアーキテクチャ(DCGAN,StyleGAN2,StyleGAN3)と2つのStyleGAN3変種(T/R)を比較した最初の系統的ベンチマーク研究を行った。 我々は、R1正規化チューニングに特に注目する、統合前処理とハイパーパラメータ探索の下で、2つのエキスパートアノテートベンチマーク(ISIC 2018とISIC 2020)ですべてのモデルをトレーニングし、最適化する。 画像品質は,FID,サンプルレベル代表性 (FMD) ,定性的皮膚内視鏡検査,凍結したEfficientNetベースのメラノーマ検出器を用いた下流分類,および2人の皮膚科医による独立した評価を組み合わせた多面的プロトコルを用いて評価される。 StyleGAN2は、定量性能と知覚品質の最良のバランスを達成し、FIDスコアは24.8(ISIC 2018)と7.96(ISIC 2020)をガンマ=0.8で達成している。 凍結した分類器は、StyleGAN2生成画像の83%をメラノーマと認識し、皮膚科医は実際の画像と合成画像を66.5%の精度で区別する(チャンス=50%)。 制御された拡張実験では、クラス不均衡に対応するために合成メラノーマ画像を追加することで、保持された実像テストセットにおいて、0.925から0.945までのメラノーマ検出AUCが改善された。 以上の結果から,StyleGAN2産生メラノーマ画像は診断学的に有意な特徴を保ち,メラノーマに焦点をあてた機械学習パイプラインにおけるクラス不均衡の軽減に有効であることが示唆された。

関連論文リスト

• A Generative AI Approach for Reducing Skin Tone Bias in Skin Cancer Classification [2.676349883103404]
  皮膚がんは世界中で最も一般的ながんの1つであり、早期発見は効果的な治療に重要である。 現在のAI診断ツールは、より軽い肌のトーンに支配されるデータセットでトレーニングされることが多いため、より暗い肌の人々の正確性と公平性が低下する。 本稿では,皮膚内視鏡画像を用いた皮膚癌自動検出における皮膚緊張不均衡の課題について述べる。
  論文  参考訳（メタデータ） (2026-02-16T00:20:56Z)
• SkinGenBench: Generative Model and Preprocessing Effects for Synthetic Dermoscopic Augmentation in Melanoma Diagnosis [0.0]
  生成的アーキテクチャの選択は、前処理の複雑さよりも画像の忠実さと診断ユーティリティの両方に強い影響を与える。 メラノーマF1スコアは8～15%増加し, メラノーマ検出は有意に改善した。
  論文  参考訳（メタデータ） (2025-12-19T13:52:11Z)
• Comparing Conditional Diffusion Models for Synthesizing Contrast-Enhanced Breast MRI from Pre-Contrast Images [31.354231459573356]
  乳がんの診断と治療にはDCE(Dynamic contrast-enhanced)MRIが不可欠である。 しかし、コントラストエージェントへの依存は、安全性の懸念、禁忌、コストの増大、ワークフローの複雑さをもたらす。 DCE-MRIを合成するために,事前コントラスト条件付き拡散確率モデルを提案する。
  論文  参考訳（メタデータ） (2025-08-19T12:24:55Z)
• HepatoGEN: Generating Hepatobiliary Phase MRI with Perceptual and Adversarial Models [33.7054351451505]
  肝胆道相(HBP)画像の初期コントラスト位相からの深層学習に基づく合成手法を提案する。 pGANの定量的評価は, 視力評価とブラインドドラジオロジカル・レビューの併用により, pGANが最高の定量的性能を示した。 対照的に、U-Netは、より少ないアーティファクトで一貫した肝拡張を発生させ、DDPMは、微細構造の詳細の保存が限られているため、性能が低下した。
  論文  参考訳（メタデータ） (2025-04-25T15:01:09Z)
• Robust Melanoma Thickness Prediction via Deep Transfer Learning enhanced by XAI Techniques [39.97900702763419]
  本研究は,メラノーマの深さを測定するために皮膚内視鏡像の解析に焦点をあてる。 顆粒層の上部から腫瘍浸潤の最も深い地点まで測定されたブレスロー深さは、黒色腫のステージングと治療決定の指針となる重要なパラメータである。 ISICやプライベートコレクションを含むさまざまなデータセットが使用され、合計で1162枚の画像が含まれている。 その結果, 従来の手法に比べて, モデルが大幅に改善された。
  論文  参考訳（メタデータ） (2024-06-19T11:07:55Z)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• Using Whole Slide Image Representations from Self-Supervised Contrastive Learning for Melanoma Concordance Regression [2.21878843241715]
  悪性黒色腫と良性黒色腫病変を鑑別する際,病理医の間では高い一致率で診断が複雑になる。 デジタル化された全スライド画像(WSIs)から侵入性メラノーマまたはメラノーマの一致率を予測するメラノーマ一致回帰深層学習モデルを提案する。 我々は,4つの病理検査室から得られた10,895検体からランダムに採取した83,356個のWSIタイルを用いたSimCLR特徴抽出器を訓練した。 テストセットで0.28 +/-0.01のルート平均正方形誤差(RMSE)と0.85 +/-0.05と0.61 +/-0.06の精度とリコールを実現した。
  論文  参考訳（メタデータ） (2022-10-10T16:07:41Z)
• Extended Feature Space-Based Automatic Melanoma Detection System [9.165013127586267]
  メラノーマは皮膚がんで最も致命的な形態である。メラノーマの制御不能な増殖はメラノーマにつながる。 自動メラノーマ検出システム(AMDS)は、画像処理技術に基づいてメラノーマを検出する。 拡張特徴ベクトル空間の計算のための新しいアルゴリズムExtFvAMDSを提案する。
  論文  参考訳（メタデータ） (2022-09-10T04:15:45Z)
• Visualizing CoAtNet Predictions for Aiding Melanoma Detection [0.0]
  本稿では,CoAtNetアーキテクチャを用いたマルチクラス分類タスクを提案する。 全体的な精度は0.901, 0.895, AP 0.923で、他の最先端ネットワークと比較して高い性能を示している。
  論文  参考訳（メタデータ） (2022-05-21T06:41:52Z)
• Melanoma Diagnosis with Spatio-Temporal Feature Learning on Sequential Dermoscopic Images [40.743870665742975]
  悪性黒色腫自動診断のための既存の皮膚科医は、病変の単一点像に基づいている。 そこで本研究では,連続した皮膚内視鏡像を用いたメラノーマ診断のための自動フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-19T04:08:22Z)

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。