Centrala begrepp
ラベル分布スムージングを使用して、自動化されたニキビ画像グレーディングの性能を向上させる方法が提案されています。
Sammanfattning
最近、ラベル分布学習(LDL)が効果的なフレームワークとして提案されましたが、その有効性は異なる重症度グレードに異なる数の病変を割り当てる重症度尺度によって妨げられています。これらの制限に対処するために、私たちはラベルスムージングと組み合わせてLDLを使用し、新しい重み付けスキームを導入しました。この手法は、ACNE04データセットで適用され、自動ニキビグレーディングのパフォーマンスが向上しました。これは、ニキビ診断の向上の可能性を示しています。
このアプローチは、重要なメトリクスや数字をサポートする文から抽出したデータシートです。
- Wu et al. [12] による基準アプローチと提案された貢献およびその組み合わせのパフォーマンスを比較しました。
- ラベル分布スムージングにより生成された病変カウントラベル分布を使用した場合、「LDスムージング」列ではすぐにすべてのメトリックでパフォーマンスが向上しました。
- 重症度グレードブランチで均等なサイズのクラス範囲を使用した場合、「新しいクラス範囲」列では明確な改善が見られませんでした。
- 両方のテクニックを組み合わせることでさらなるパフォーマンス向上が見られました。
このアプローチは、不透明性と全体的なアプローチのバランスを取りつつ、各クラスの詳細指向とグローバルアプローチを強化します。
Statistik
Wu et al. [12] の評価結果
Accuracy: 83.70 ± 1.53
Precision: 82.97 ± 1.27
Specificity: 93.76 ± 0.63
Sensitivity: 81.06 ± 3.46
Youden Index: 74.83 ± 4.06
MCC: 75.41 ± 2.35
Citat
"この作業では、自動ニキビ画像グレード付け方法が紹介されており..."
"我々はこれら戦略のシナジー性能を実証し..."