| عنوان مقاله به انگلیسی | Scaling-Up the Impact of Teledermoscopy on the Early Detection of Skin Melanoma using Convolutional Neural Networks with Mobile Apps |
| عنوان مقاله به فارسی | ترجمه فارسی مقاله افزایش میزان تاثیر تلهدرموسکوپی بر تشخیص زودهنگام ملانوم پوست با استفاده از شبکه های عصبی کانولوشن با برنامه های موبایل |
| نویسندگان | Tejasvi Tyagi, Swati Mathur Vempati, ProfileKshitiz Upadhyay |
| فرمت مقاله انگلیسی | |
| زبان مقاله تحویلی | ترجمه فارسی |
| فرمت مقاله ترجمه شده | به صورت فایل ورد |
| نحوه تحویل ترجمه | دو تا سه روز پس از ثبت سفارش (به صورت فایل دانلودی) |
| تعداد صفحات | 11 |
| لینک دانلود رایگان مقاله انگلیسی | دانلود مقاله |
| دسته بندی موضوعات | Dermatology علم پوست |
| فرمت ارائه ترجمه مقاله | تحویل به صورت فایل ورد |
| زمان تحویل ترجمه مقاله | بین 2 تا 3 روز پس از ثبت سفارش |
| کیفیت ترجمه | بسیار بالا. مقاله فقط توسط مترجمین با مدرک دانشگاهی مترجمی ترجمه میشود. |
| جداول و فرمول ها | کلیه جداول و فرمول ها نیز در فایل تحویلی ورد درج میشوند. |
چکیده
Advances in the cloud technology for secured distributed data storage, modern techniques for machine learning (ML), and access to large populations through mobile apps provide a unique opportunity for the healthcare industry professionals in the areas of early screening and medical diagnostics for certain diseases. This research study demonstrates the potential of ML using convolutional neural networks (CNN) for medical diagnostics of skin melanoma. Specifically, a comparison is presented between a shallow CNN (3-layers) with Resnet50 (50-layers) to classify open datasets of skin melanoma images as malignant or benign. Various ML performance metrics such as accuracy, recall, precision and receiver operating characteristic (ROC) are presented to recommend a deep learning model for the mobile app. Also, a novel framework is proposed for the scalability and adoption of ML-based medical diagnostics by large masses as a mobile app running on data-secure cloud platform. Using the open datasets, it is shown that skin cancer can be accurately diagnosed with a mobile phone app while maintaining patient privacy and data security.
چکیده به فارسی (ترجمه ماشینی)
پیشرفت در فناوری ابر برای ذخیره سازی داده های توزیع شده ایمن ، تکنیک های مدرن برای یادگیری ماشین (ML) و دسترسی به جمعیت های بزرگ از طریق برنامه های تلفن همراه فرصتی بی نظیر برای متخصصان صنعت مراقبت های بهداشتی در زمینه های غربالگری اولیه و تشخیص پزشکی برای برخی از بیماری ها فراهم می کند.این مطالعه پتانسیل ML با استفاده از شبکه های عصبی حلقوی (CNN) برای تشخیص پزشکی ملانومای پوست را نشان می دهد.به طور خاص ، مقایسه ای بین یک CNN کم عمق (3 لایه) با RESNET50 (50 لایه) برای طبقه بندی مجموعه داده های باز تصاویر ملانومای پوست به عنوان بدخیم یا خوش خیم ارائه شده است.معیارهای مختلف عملکرد ML مانند دقت ، فراخوان ، دقت و ویژگی عامل گیرنده (ROC) ارائه شده است تا یک مدل یادگیری عمیق را برای برنامه تلفن همراه توصیه کند.همچنین ، یک چارچوب جدید برای مقیاس پذیری و پذیرش تشخیص پزشکی مبتنی بر ML توسط توده های بزرگ به عنوان یک برنامه تلفن همراه در حال اجرا بر روی پلت فرم ابر از داده های امن ارائه شده است.با استفاده از مجموعه داده های باز ، نشان داده شده است که سرطان پوست می تواند ضمن حفظ حریم خصوصی بیمار و امنیت داده ، با یک برنامه تلفن همراه به طور دقیق تشخیص داده شود.
| فرمت ارائه ترجمه مقاله | تحویل به صورت فایل ورد |
| زمان تحویل ترجمه مقاله | بین 2 تا 3 روز پس از ثبت سفارش |
| کیفیت ترجمه | بسیار بالا. مقاله فقط توسط مترجمین با مدرک دانشگاهی مترجمی ترجمه میشود. |
| جداول و فرمول ها | کلیه جداول و فرمول ها نیز در فایل تحویلی ورد درج میشوند. |


نقد و بررسیها
هنوز بررسیای ثبت نشده است.