論文の概要: AnemiaVision: Non-Invasive Anemia Detection via Smartphone Imagery Using EfficientNet-B3 with TrivialAugmentWide, Mixup Augmentation, and Persistent Patient History Management

• arxiv url: http://arxiv.org/abs/2604.22964v1
• Date: Fri, 24 Apr 2026 19:14:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.072863
• Title: AnemiaVision: Non-Invasive Anemia Detection via Smartphone Imagery Using EfficientNet-B3 with TrivialAugmentWide, Mixup Augmentation, and Persistent Patient History Management
• Title（参考訳）: AnemiaVision:TrivialAugmentWide, Mixup Augmentation, Persistent patient History Managementを用いたスマートフォン画像による非侵襲性貧血検出
• Authors: Rahul Patel,
• Abstract要約: 貧血は世界中で10億人以上に影響し、低資源地域では深刻な診断を受けていない。 AnemiaVisionは、スマートフォンの写真から非侵襲性貧血をスクリーニングするエンドツーエンドのWebベースシステムである。 認証精度は96.2%、AUC-ROCは0.98、AUC-ROCは44.9%、AUC-ROCは0.58である。
• 参考スコア（独自算出の注目度）: 0.7614628596146601
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Anemia affects over one billion people globally and remains severely under-diagnosed in low-resource regions where laboratory blood tests are inaccessible. This paper presents AnemiaVision, an end-to-end web-based system for non-invasive anemia screening from smartphone photographs of the palpebral conjunctiva and fingernail beds. The proposed pipeline fine-tunes a pre-trained EfficientNet-B3 backbone with a redesigned three-layer classifier head incorporating BatchNorm, GELU activations, and high-rate Dropout (0.45/0.35). Training employs four orthogonal accuracy-boosting techniques: TrivialAugmentWide for policy-free image augmentation, RandomErasing for spatial regularisation, Mixup (alpha=0.2) for inter-class smoothing, and cosine-annealing scheduling with linear warmup. Early stopping is governed by peak validation accuracy rather than validation loss to prevent premature termination on high-variance epochs. The deployed Flask application integrates persistent patient-history management backed by PostgreSQL on Render, with an automated database-migration entrypoint ensuring zero data loss across redeploys. Ablation experiments demonstrate that accuracy-first early stopping contributes +1.6% and Mixup contributes +2.8% to final validation accuracy. Overall, the proposed system achieves a validation accuracy of 96.2% and AUC-ROC of 0.98, compared with 44.9% validation accuracy and AUC-ROC of 0.58 from the three-epoch CPU-only baseline. Sensitivity for the anemic class reaches 0.96, making the system suitable as a first-line screening tool for community health workers in rural settings. The system is publicly accessible and source code is openly available.
• Abstract（参考訳）: 貧血は世界中で10億人以上に影響し、実験室の血液検査がアクセスできない低資源地域では深刻な診断を受けていない。 本報告では, 口蓋結膜および爪床のスマートフォン写真から非侵襲性貧血をスクリーニングするエンド・ツー・エンドのWebベースシステムであるAnemiaVisionについて述べる。 提案されたパイプラインは、BatchNorm、GELUアクティベーション、ハイレートドロップアウト(0.45/0.35)を組み込んだ再設計された3層分類器ヘッドを備えた、トレーニング済みのEfficientNet-B3バックボーンを微調整する。 TrivialAugmentWide for policy-free image augmentation, RandomErasing for space regularization, Mixup (alpha=0.2) for inter-class smoothing, and cosine-annealing scheduling with linear warmup。 早期停止は、高分散エポックの早期終了を防ぐために、検証損失よりもピーク検証精度によって制御される。 デプロイされたFraskアプリケーションは、PostgreSQL on Renderが支援する永続的な患者履歴管理と、再デプロイ間のデータ損失をゼロにする自動データベース移行エントリポイントを統合する。 アブレーション実験では、精度優先の早期停止が+1.6%に寄与し、Mixupは最終検証精度に+2.8%に寄与している。 提案方式は, 検証精度が96.2%, AUC-ROCが0.98, AUC-ROCが44.9%, AUC-ROCが0.58であった。 アネミッククラスの感度は0.96に達し、農村部における地域医療従事者のファーストラインスクリーニングツールとして適している。 システムは公開されており、ソースコードも公開されている。

関連論文リスト

• U-FedTomAtt: Ultra-lightweight Federated Learning with Attention for Tomato Disease Recognition [2.628739907490327]
  フェデレーション学習は、インテリジェントな農業ソリューションをデプロイするためのプライバシー保護と効率的なアプローチとして登場した。 超軽量なフェデレート学習フレームワークであるU-FedTomAttを提案する。
  論文  参考訳（メタデータ） (2026-02-18T05:00:38Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• MOZART: Ensembling Approach for COVID-19 Detection using Chest X-Ray Imagery [0.0]
  新型コロナウイルス(COVID-19)が世界的なパンデミックを引き起こし、医療システムに悪影響を及ぼした。 従来の畳み込みニューラルネットワーク(CNN)は印象的な精度を実現している。 ウイルス検出を強化するアンサンブル学習手法であるMOZARTフレームワークを導入する。
  論文  参考訳（メタデータ） (2024-10-11T21:02:58Z)
• MTS-Net: Dual-Enhanced Positional Multi-Head Self-Attention for 3D CT Diagnosis of May-Thurner Syndrome [31.032250821769747]
  May-Thurner syndrome (MTS) は、人口の20%以上に影響し、腸大腿深部静脈血栓症のリスクを著しく高める血管疾患である。 CT (Computed Tomography) を用いたMTSの正確な早期診断は, 微妙な解剖学的圧迫と患者間の変動が原因で, 臨床上の課題である。 我々は,CTボリュームから空間時間パターンを抽出し,MTS診断の信頼性を高めるために,エンドツーエンドの3次元ディープラーニングフレームワークであるMTS-Netを提案する。
  論文  参考訳（メタデータ） (2024-06-07T06:51:09Z)
• Out-of-distribution Reject Option Method for Dataset Shift Problem in Early Disease Onset Prediction [3.382273111067512]
  本稿では,リアルタイム設定におけるデータセットシフトを減少させるために,予測(ODROP)のアウト・オブ・ディストリビューション・リジェクションオプションを提案する。 我々は、糖尿病、ジスリピド血症、高血圧という3つの疾患発症予測タスクで、データセットシフトを伴う現実の健康チェックデータセットを2つ使用した。 5つのOOD手法では, 可変オートエンコーダ法によりAUROCの安定性が向上し, 改良が見られた。
  論文  参考訳（メタデータ） (2024-05-30T09:14:01Z)
• Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
  本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。 UIA検出では偽陽性率は0.21で感度は0.80であった。
  論文  参考訳（メタデータ） (2023-08-06T03:28:08Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Detection of Large Vessel Occlusions using Deep Learning by Deforming Vessel Tree Segmentations [5.408694811103598]
  この研究は、船体木分割マスクの弾性変形で訓練されたケースレベルの分類に畳み込みニューラルネットワークを使用し、トレーニングデータを人工的に増強する。 ニューラルネットワークは、LVOと影響を受ける半球の存在を分類する。 5倍のクロス検証アブレーション実験において,提案手法を用いることで,少数のデータセットからでも頑健なモデルを訓練できることが実証された。
  論文  参考訳（メタデータ） (2021-12-03T09:07:29Z)
• Automated Pulmonary Embolism Detection from CTPA Images Using an End-to-End Convolutional Neural Network [31.58557856188164]
  本研究では,肺塞栓症(PE)検出のための終末から終末までトレーニング可能な畳み込みニューラルネットワーク(CNN)を提案する。 本システムでは,0mm,2mm,5mmで1体積あたりの偽陽性が63.2%,78.9%,86.8%であった。
  論文  参考訳（メタデータ） (2021-11-10T03:01:55Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)

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。