論文の概要: An AI-Based Multi-Stage Approach for Androgenetic Alopecia Assessment from Low-Magnification Scalp Images
- arxiv url: http://arxiv.org/abs/2610.02421v1
- Date: Thu, 01 Oct 2026 19:44:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 19:20:54.750909
- Title: An AI-Based Multi-Stage Approach for Androgenetic Alopecia Assessment from Low-Magnification Scalp Images
- Title（参考訳）: 低磁化スカルプ画像を用いたAIによるアンドロジェネティック・アロピアアセスメントのためのマルチステージアプローチ
- Abstract要約: アンドロジェネティック・アロペシア (AGA) の特徴は, 毛髪小径化, 毛髪小径化, 単毛小径化, 毛髪小径化である。
本稿では, FUの局在化, オーディナル可視軸計数, シャフト幅推定, 局所集約, 解釈可能なルール層を組み合わせた, 自動定量的頭皮分析および臨床決定支援フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.6759812270777407
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Androgenetic alopecia (AGA) is characterized by patterned follicular miniaturization, increased single-hair follicular units, and altered hair-shaft diameter. We present an automated quantitative scalp-analysis and clinical decision-support framework combining FU localization, ordinal visible-shaft counting, calibrated shaft-width estimation, regional aggregation, and an interpretable rule layer. The clinical cohort comprised 243 patients (127 AGA, 116 non-AGA), while the computer-vision experiments used 160 expert-annotated patients, 2,400 trichoscopic images, and approximately 158,000 FU annotations. Under patientdisjoint evaluation, YOLOv8m achieved test mAP@0.5=0.920 and recall=0.860; EfficientNet-B5 with a support-map channel achieved 87.0% expert-box count accuracy (macro F1=0.85). A separate 500-image set was processed end-to-end with detector-generated boxes, yielding MAE of 6.56 for follicle detection and 16.59 for follicle classification relative to human-expert annotations. The system is intended to assist, rather than replace, dermatologist interpretation.
- Abstract（参考訳）: アンドロジェネティック・アロペシア (AGA) の特徴は, 毛髪小径化, 毛髪小径化, 単毛小径化, 毛髪小径化である。
本稿では, FUの局在化, オーディナル可視軸計数, キャリブレーションシャフト幅推定, 局所集約, 解釈可能なルール層を組み合わせた, 自動定量的頭皮分析および臨床決定支援フレームワークを提案する。
臨床コホートは243例 (AGA127例, 非AGA116例) , コンピュータビジョン検査では160例の有痛者, 2400例のトリコスコープ画像, 約158,000 FUアノテーションを用いた。
患者分離評価において、YOLOv8mはmAP@0.5=0.920とリコール=0.860を達成し、サポートマップチャネルを持つ効率的なNet-B5は87.0%のエキスパートボックスカウント精度を達成した(macro F1=0.85)。
別個の500イメージセットは検出器生成ボックスでエンドツーエンドに処理され、卵胞検出のMAEは6.56、卵胞分類のMAEは16.59となった。
このシステムは、皮膚科医の解釈を置き換えるのではなく、支援することを意図している。
関連論文リスト
- Reconstructed holograms and explanation-aware evaluation for low-cost computational pollen analysis in veterinary cytology [0.0]
ブライトフィールド顕微鏡は、レンズレスデジタルインラインホログラフィーより高価で複雑である。
我々は,再構成ホログラムがこのギャップを狭めることができるか,モデル説明がモダリティ変化の下で信頼性を維持しているかを評価する。
論文 参考訳（メタデータ） (2026-09-19T13:35:07Z) - AutoIQ: An Ensemble Framework for Automatic Assessment of Geometric Distortion in Prostate Diffusion-Weighted Imaging [39.60379134041974]
幾何学的歪み重大度の自動および定量化のためのアンサンブル機械学習フレームワークであるAutoIQを提案する。
計140回の振り返りMRI検査を行い,33回のCT検査を行った。
AutoIQは、前立腺DWIの自動化された定量的品質評価を提供し、再取得を必要とするスキャンを特定するのに役立つ。
論文 参考訳（メタデータ） (2026-05-29T22:19:56Z) - Clinical Validation of the Melanoscope AI Mobile Dermoscopy Clinical Decision Support System [0.0]
悪性皮膚病変の早期発見は予後に重要である。
ロシアでは皮膚科医の不足が検診範囲を制限している。
モバイル皮膚科の臨床診断支援システムは有望なアプローチを提供する。
論文 参考訳（メタデータ） (2026-05-26T18:29:53Z) - AI-driven software for automated quantification of skeletal metastases and treatment response evaluation using Whole-Body Diffusion-Weighted MRI (WB-DWI) in Advanced Prostate Cancer [0.27141618085306923]
全Body Diffusion-Weighted MRI (WB-DWI) はTDV (Ttal Diffusion Volume) とgADC (Global Apparent Diffusion Coefficient) の2つの応答バイオマーカーを提供する
手指脱線病変からのTDVおよびgADCの術後変化の追跡は困難であり、読取者間の変動が増大する。
このプロセスを自動化するためのソフトウェアを開発した。核となる技術は、(i)骨を分離するための骨格確率マップを生成する弱教師付き残留U-Netモデル、(ii)WB-DWI強度正規化のための統計フレームワーク、(iii)出力を処理する浅い畳み込みニューラルネットワークである。
論文 参考訳（メタデータ） (2025-05-13T22:57:49Z) - Analysis of the BraTS 2023 Intracranial Meningioma Segmentation Challenge [44.76736949127792]
我々はBraTS 2023の頭蓋内髄膜腫チャレンジの設計と結果について述べる。
BraTS髄膜腫チャレンジ(BraTS Meningioma Challenge)は、髄膜腫に焦点を当てた以前のBraTSグリオーマチャレンジとは異なる。
上層部は腫瘍,腫瘍コア,腫瘍全体の拡張のために0.976,0.976,0.964の病変中央値類似係数(DSC)を有していた。
論文 参考訳（メタデータ） (2024-05-16T03:23:57Z) - Neural Network-Based Histologic Remission Prediction In Ulcerative
Colitis [38.150634108667774]
潰瘍性大腸炎(UC)の新しい治療標的としての組織学的寛解
内視鏡(Endocytoscopy、EC)は、新しい超高倍率内視鏡技術である。
本稿では,心電図の組織学的疾患活動を評価するニューラルネットワークモデルを提案する。
論文 参考訳（メタデータ） (2023-08-28T15:54:14Z) - Developing a Machine Learning-Based Clinical Decision Support Tool for
Uterine Tumor Imaging [0.0]
子宮平滑筋肉腫 (LMS) は稀ながら積極的な悪性腫瘍である。
遺伝性平滑筋腫(LM)とLMSを区別することは困難である。
UT症例110例のT2強調画像115例に5種類の腫瘍を認めた。
nnU-Netを適用し,25,45,65,85のトレーニングセット画像をランダムに生成することにより,トレーニングセットサイズがパフォーマンスに与える影響を検討した。
論文 参考訳（メタデータ） (2023-08-20T21:46:05Z) - Corneal endothelium assessment in specular microscopy images with Fuchs'
dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。
これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文 参考訳（メタデータ） (2022-10-13T15:34:20Z) - MRI-based classification of IDH mutation and 1p/19q codeletion status of
gliomas using a 2.5D hybrid multi-task convolutional neural network [0.18374319565577152]
グリオーマにおけるIsocitrate dehydrogenase変異と1p/19q符号欠失は重要な予後マーカーである。
我々の目標は、MRIからこれらの分子変化を非侵襲的に決定する人工知能ベースの手法を開発することであった。
2.5Dハイブリッド畳み込みニューラルネットワークは、腫瘍を同時に局在させ、その分子状態を分類するために提案された。
論文 参考訳（メタデータ） (2022-10-07T18:46:39Z) - Osteoporosis Prescreening using Panoramic Radiographs through a Deep
Convolutional Neural Network with Attention Mechanism [65.70943212672023]
注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。
49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
論文 参考訳（メタデータ） (2021-10-19T00:03:57Z)
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。