MpoxSLDNet: A Novel CNN Model for Detecting Monkeypox Lesions and Performance Comparison with Pre-trained Models

要約

サル痘ウイルス (MPXV) は人獣共通感染症ウイルスであり、特に中央アフリカおよび西アフリカの僻地において公衆衛生に重大な脅威をもたらします。
効果的な治療には、サル痘病変の早期発見が不可欠です。
しかし、他の皮膚疾患と類似しているため、サル痘病変の検出は困難な作業です。
猿痘を検出するために、多くの研究者は、MobileNetv2、VGG16、ResNet50、InceptionV3、DenseNet121、EfficientNetB3、MobileNetV2、Xception などのさまざまな深層学習モデルを使用しました。
ただし、これらのモデルはサイズが大きいため、多くの場合、多くの保管スペースが必要になります。
この研究は、MpoxSLDNet (Monkeypox Skin Lesion Detector Network) という名前の CNN モデルを導入して、デジタル画像におけるサル痘病変と非サル痘病変の早期検出と分類を容易にすることで、既存の課題を改善することを目的としています。
私たちのモデルは、VGG16、ResNet50、DenseNet121 などの従来の事前トレーニング済みモデルと比較して、精度、再現率、F1 スコア、精度、AUC などの優れたパフォーマンス指標を提供することにより、サル痘病変検出の分野における大幅な進歩を表しています。
私たちのアプローチの重要な新しさは、既存のモデルよりも大幅に少ないストレージ容量でありながら、高い検出精度を達成できる MpoxSLDNet の機能にあります。
MpoxSLDNet は、高いストレージ要件という課題に対処することで、リソースに制約のある医療現場でのサル痘病変の早期検出と分類のための実用的なソリューションを提供します。
この研究では、1,428 枚の猿痘病変の皮膚画像と 1,764 枚の非猿痘病変の皮膚画像で構成される「猿痘皮膚病変データセット」を使用しました。
データセットの制限は、未知のケースに一般化するモデルの能力に潜在的に影響を与える可能性があります。
ただし、MpoxSLDNet モデルは、VGG16、DenseNet121、および ResNet50 のそれぞれ 86.25%、84.38%、および 67.19% と比較して、94.56% の検証精度を達成しました。

要約(オリジナル)

Monkeypox virus (MPXV) is a zoonotic virus that poses a significant threat to public health, particularly in remote parts of Central and West Africa. Early detection of monkeypox lesions is crucial for effective treatment. However, due to its similarity with other skin diseases, monkeypox lesion detection is a challenging task. To detect monkeypox, many researchers used various deep-learning models such as MobileNetv2, VGG16, ResNet50, InceptionV3, DenseNet121, EfficientNetB3, MobileNetV2, and Xception. However, these models often require high storage space due to their large size. This study aims to improve the existing challenges by introducing a CNN model named MpoxSLDNet (Monkeypox Skin Lesion Detector Network) to facilitate early detection and categorization of Monkeypox lesions and Non-Monkeypox lesions in digital images. Our model represents a significant advancement in the field of monkeypox lesion detection by offering superior performance metrics, including precision, recall, F1-score, accuracy, and AUC, compared to traditional pre-trained models such as VGG16, ResNet50, and DenseNet121. The key novelty of our approach lies in MpoxSLDNet’s ability to achieve high detection accuracy while requiring significantly less storage space than existing models. By addressing the challenge of high storage requirements, MpoxSLDNet presents a practical solution for early detection and categorization of monkeypox lesions in resource-constrained healthcare settings. In this study, we have used ‘Monkeypox Skin Lesion Dataset’ comprising 1428 skin images of monkeypox lesions and 1764 skin images of Non-Monkeypox lesions. Dataset’s limitations could potentially impact the model’s ability to generalize to unseen cases. However, the MpoxSLDNet model achieved a validation accuracy of 94.56%, compared to 86.25%, 84.38%, and 67.19% for VGG16, DenseNet121, and ResNet50, respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google