Melanoma Detection with Uncertainty Quantification

要約

生存率を向上させるには、黒色腫の早期発見が極めて重要です。
現在の検出ツールはデータ駆動型の機械学習手法を利用していることが多いですが、複数のデータセットの完全な統合が見落とされていることがよくあります。
公開されているデータセットを組み合わせてデータの多様性を強化し、多数の実験でさまざまな分類器をトレーニングおよび評価できるようにします。
次に、不確実性の定量化を組み込むことで誤診を最小限に抑えるためにそれらを校正します。
ベンチマーク データセットでの実験では、不確実性に基づく除去を適用する前は最大 93.2%、適用後は最大 97.8% の精度が得られ、誤診が 40.5% 以上減少することがわかりました。
私たちのコードとデータは公開されており、ユーザーが提供した画像から黒色腫を迅速に検出するための Web ベースのインターフェイスも提供されています。

要約(オリジナル)

Early detection of melanoma is crucial for improving survival rates. Current detection tools often utilize data-driven machine learning methods but often overlook the full integration of multiple datasets. We combine publicly available datasets to enhance data diversity, allowing numerous experiments to train and evaluate various classifiers. We then calibrate them to minimize misdiagnoses by incorporating uncertainty quantification. Our experiments on benchmark datasets show accuracies of up to 93.2% before and 97.8% after applying uncertainty-based rejection, leading to a reduction in misdiagnoses by over 40.5%. Our code and data are publicly available, and a web-based interface for quick melanoma detection of user-supplied images is also provided.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google