Ultrafast-and-Ultralight ConvNet-Based Intelligent Monitoring System for Diagnosing Early-Stage Mpox Anytime and Anywhere

要約

サル痘に対するより効率的な診断ツールが存在しないため、その蔓延は依然として歯止めがかからず、世界の健康に対して大きな課題となっています。
猿痘診断における深層学習モデルの高い有効性は関連研究で実証されているが、初期段階の猿痘に対する推論速度、パラメータサイズ、診断性能の見落としにより、このモデルは現実世界の設定には適用できないものとなっている。
これらの課題に対処するために、私たちは Fast-MpoxNet という超高速かつ超軽量のネットワークを提案しました。
Fast-MpoxNet は 0.27M のパラメータしか持たず、CPU 上で 68 フレーム/秒 (FPS) で入力画像を処理できます。
小さなモデル容量によってもたらされる診断パフォーマンスの制限に対抗するために、注意ベースの特徴融合モジュールと複数の補助損失強化戦略を統合して、微妙な画像の変化をより適切に検出し、重みを最適化します。
Fast-MpoxNet は、転移学習と 5 分割相互検証を使用して、Mpox データセットで 94.26% の精度を達成します。
特に、初期段階のサル痘の再現率は 93.65% に達しています。
データ拡張を採用することにより、モデルの精度は 98.40% に上昇し、実用性スコア (リアルタイム診断アプリケーションにおけるモデルの実用性を測定するための新しい指標) 0.80 を達成しました。
また、パソコンと携帯電話の両方に対応する Mpox-AISM V2 というアプリケーション システムも開発しました。
Mpox-AISM V2 は、超高速応答、オフライン機能、簡単な展開を特徴としており、現実世界のさまざまな環境、特にアウトブレイク中の人口の多い環境で公衆と個人の両方に正確かつリアルタイムの診断を可能にします。
私たちの研究は、将来のサル痘の発生を緩和し、ヘルスケア分野でのリアルタイム診断ツールを開発するための新たなパラダイムを明らかにする可能性があります。

要約(オリジナル)

Due to the lack of more efficient diagnostic tools for monkeypox, its spread remains unchecked, presenting a formidable challenge to global health. While the high efficacy of deep learning models for monkeypox diagnosis has been demonstrated in related studies, the overlook of inference speed, the parameter size and diagnosis performance for early-stage monkeypox renders the models inapplicable in real-world settings. To address these challenges, we proposed an ultrafast and ultralight network named Fast-MpoxNet. Fast-MpoxNet possesses only 0.27M parameters and can process input images at 68 frames per second (FPS) on the CPU. To counteract the diagnostic performance limitation brought about by the small model capacity, it integrates the attention-based feature fusion module and the multiple auxiliary losses enhancement strategy for better detecting subtle image changes and optimizing weights. Using transfer learning and five-fold cross-validation, Fast-MpoxNet achieves 94.26% Accuracy on the Mpox dataset. Notably, its recall for early-stage monkeypox achieves 93.65%. By adopting data augmentation, our model’s Accuracy rises to 98.40% and attains a Practicality Score (A new metric for measuring model practicality in real-time diagnosis application) of 0.80. We also developed an application system named Mpox-AISM V2 for both personal computers and mobile phones. Mpox-AISM V2 features ultrafast responses, offline functionality, and easy deployment, enabling accurate and real-time diagnosis for both the public and individuals in various real-world settings, especially in populous settings during the outbreak. Our work could potentially mitigate future monkeypox outbreak and illuminate a fresh paradigm for developing real-time diagnostic tools in the healthcare field.

arxiv情報

著者 Yubiao Yue,Xiaoqiang Shi,Li Qin,Xinyue Zhang,Yanmei Chen,Jialong Xu,Zipei Zheng,Yujun Cao,Di Liu,Zhenzhang Li,Yang Li
発行日 2023-09-26 11:02:24+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CV パーマリンク