Fugu-MT 論文翻訳(概要): A Comparative Evaluation of Pre-trained Convolutional Neural Networks for Melanoma Detection

論文の概要: A Comparative Evaluation of Pre-trained Convolutional Neural Networks for Melanoma Detection

arxiv url: http://arxiv.org/abs/2609.11550v1
Date: Thu, 10 Sep 2026 13:43:49 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-11 23:53:35.375021
Title: A Comparative Evaluation of Pre-trained Convolutional Neural Networks for Melanoma Detection
Title（参考訳）: メラノーマ検出のための事前学習型畳み込みニューラルネットワークの比較評価
Abstract要約: 悪性黒色腫の早期診断は生存率の向上に重要である。メラノーマと他の皮膚病変を正確に区別することは、重要な臨床的課題である。皮膚病変分類のための前訓練型畳み込みニューラルネットワーク(CNN)の評価を行った。
参考スコア（独自算出の注目度）: 0.4002704584746204
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Early diagnosis of melanoma is critical for improving patient survival rates. However, accurately distinguishing melanoma from other skin lesions remains a significant clinical challenge due to the high visual similarity among lesion types and variability in image acquisition conditions. Artificial intelligence, particularly machine learning, has emerged as a promising tool to support dermatological diagnosis by automating feature extraction from medical images. Among the available approaches, convolutional neural networks (CNNs) have demonstrated strong performance in image classification tasks, making them well-suited for analyzing both dermatoscopic and histopathological images, given their ability to capture hierarchical visual patterns relevant to lesion characterization. Nevertheless, despite numerous pre-trained CNN architectures having been proposed, selecting the most appropriate one for a given imaging modality remains an open challenge. In this study, we evaluate pre-trained convolutional neural networks (CNNs) for skin lesion classification using dermatoscopic and histopathological image datasets. Experiments were conducted on the HAM10000, ISIC 2018, and CR-AI4SkIN datasets, evaluating the ResNet50, VGG16, VGG19, MobileNet, and InceptionV3 architectures under the same training protocol. The experimental evaluation showed that the models achieved accuracies ranging from 71% (InceptionV3 on ISIC 2018) to 84% (ResNet50 on HAM10000) on dermatoscopic images. For histopathological images, accuracies ranged from 72% (VGG19) to 83% (ResNet50) on the CR-AI4SkIN dataset. The results demonstrate that model performance differs between dermatoscopic and histopathological image modalities, showing that architectures exhibiting similar performance on dermatoscopic images exhibit different performance on histopathological data.
Abstract（参考訳）: 悪性黒色腫の早期診断は生存率の向上に重要である。しかし, 悪性黒色腫と他の皮膚病変とを正確に区別することは, 画像取得条件における病変の視覚的類似度が高いことによる重要な臨床的課題である。人工知能、特に機械学習は、医療画像から特徴抽出を自動化することで皮膚科診断を支援するための有望なツールとして登場した。利用可能なアプローチの中で、畳み込みニューラルネットワーク(CNN)は画像分類タスクにおいて強力な性能を示しており、病変の特徴づけに関連する階層的な視覚パターンを捉える能力から、皮膚内視鏡像と病理像の両方を分析するのに適している。それでも、多くの事前訓練されたCNNアーキテクチャが提案されているにもかかわらず、与えられた画像のモダリティに最も適したアーキテクチャを選択することは、未解決の課題である。本研究では,皮膚病変分類のための前訓練型畳み込みニューラルネットワーク(CNN)を皮膚内視鏡および病理組織像データセットを用いて評価した。 HAM10000、ISIC 2018、CR-AI4SkINデータセットで実験が行われ、同じトレーニングプロトコルの下でResNet50、VGG16、VGG19、MobileNet、InceptionV3アーキテクチャを評価した。実験の結果, 皮膚内視鏡画像では71% (ISIC 2018ではInceptionV3) から84% (ResNet50とHAM10000) の精度が得られた。病理組織像では、CR-AI4SkINデータセット上では72%(VGG19)から83%(ResNet50)であった。以上の結果から, 皮膚内視鏡像と病理像の相違が示され, 皮膚内視鏡像に類似した性能を示す構造が組織学的データに異なる性能を示すことが明らかとなった。

関連論文リスト

A Machine Vision Approach to Preliminary Skin Lesion Assessments [0.0]
本研究は,皮膚内視鏡のABCD規則と機械学習の分類を併用した皮膚病変予備評価システムについて検討した。ストクラッチからトレーニングされたカスタム3層畳み込みニューラルネットワーク(CNN)は78.5%の精度と86.5%のリコールを達成した。
論文参考訳（メタデータ） (2026-01-21T23:48:59Z)
DeepGI: Explainable Deep Learning for Gastrointestinal Image Classification [0.0]
この研究は、可変照明、ゆらぎのあるカメラアングル、頻繁な画像アーティファクトなど、一般的な内視鏡的課題に直面している。最高性能のVGG16とMobileNetV2はそれぞれ96.5%の精度を達成した。このアプローチには、Grad-CAM視覚化による説明可能なAIが含まれており、モデル予測に最も影響を及ぼす画像領域の識別を可能にする。
論文参考訳（メタデータ） (2025-11-26T22:35:57Z)
Optimizing CNN Architectures for Advanced Thoracic Disease Classification [0.0]
データセットの不均衡、画像品質の変化、隠れバイアスといった課題に対処するために、さまざまなCNNアーキテクチャを評価します。医用画像におけるCNNの可能性を強調しながら,不均衡なデータセットや画像取得手法のバリエーションといった問題に対処する必要があることを強調した。
論文参考訳（メタデータ） (2025-02-15T00:27:37Z)
Segment Anything for Dendrites from Electron Microscopy [36.25707481854301]
EM画像中のデンドライトのインタラクティブかつ自動セグメンテーションのためのセグメンテーションに基づく視覚基盤モデルであるデンドライトSAMを提案する。このモデルは、健康な海馬ラットの高分解能EMデータに基づいて訓練され、病気のラットとヒトのデータで試験される。
論文参考訳（メタデータ） (2024-11-04T19:54:26Z)
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)
Using Deep Learning for Morphological Classification in Pigs with a Focus on Sanitary Monitoring [36.44117994399959]
この研究は、これらのカドファジー、耳血腫、体のひっかき傷、赤み、天然汚れ(茶色または黒)の5つの豚の特徴に焦点を当てた。以上の結果から,D-CNNは皮膚特性に関連するブタの身体形態の偏差の分類に有効であることが示唆された。
論文参考訳（メタデータ） (2024-03-13T21:05:34Z)
Convolutional Neural Networks Towards Facial Skin Lesions Detection [0.0]
本研究は,顔画像の点滅や皮膚病変の検出を容易にするモデルを提供することで貢献する。提案手法は, 簡単なアーキテクチャ, 高速, 画像処理に適するといった利点を提供する。
論文参考訳（メタデータ） (2024-02-13T16:52:10Z)
Significantly improving zero-shot X-ray pathology classification via fine-tuning pre-trained image-text encoders [50.689585476660554]
本稿では,正対損失緩和とランダムな文サンプリングを含む新たな微調整手法を提案する。提案手法は,胸部X線データセットと3つの事前訓練モデル間のゼロショット病理分類を一貫して改善する。
論文参考訳（メタデータ） (2022-12-14T06:04:18Z)
Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文参考訳（メタデータ） (2022-06-14T10:16:54Z)
Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文参考訳（メタデータ） (2021-04-02T20:52:05Z)
Evaluation of Big Data based CNN Models in Classification of Skin Lesions with Melanoma [7.919213739992465]
このアーキテクチャは、畳み込み型ニューラルネットワークに基づいており、新しいCNNモデルを用いて評価され、既存のCNNモデルの再訓練が行われた。最高の性能は、修正版のResNet-50畳み込みニューラルネットワークを93.89%の精度で再訓練することで達成された。
論文参考訳（メタデータ） (2020-07-10T15:39:32Z)
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。