[논문 리뷰] An Image Dataset of Common Skin Diseases of Bangladesh and Benchmarking Performance with Machine Learning Models

Md. Sazzad Hossain, Saiful Islam외 4명|arXiv (Cornell University)|2026. 03. 26.

Cutaneous Melanoma Detection and Management인용 수 0

한 줄 요약

이 논문은 방글라데시의 다섯 가지 일반적인 피부질환의 공개 이미지 데이터셋을 제시하고 이를 대상으로 여러 ML/DL 모델을 벤치마킹합니다. 또한 데이터셋 수집 및 글로벌 피부과 응용에 대한 지역적 관련성에 대해 논의합니다.

ABSTRACT

Skin diseases are a major public health concern worldwide, and their detection is often challenging without access to dermatological expertise. In countries like Bangladesh, which is highly populated, the number of qualified skin specialists and diagnostic instruments is insufficient to meet the demand. Due to the lack of proper detection and treatment of skin diseases, that may lead to severe health consequences including death. Common properties of skin diseases are, changing the color, texture, and pattern of skin and in this era of artificial intelligence and machine learning, we are able to detect skin diseases by using image processing and computer vision techniques. In response to this challenge, we develop a publicly available dataset focused on common skin disease detection using machine learning techniques. We focus on five prevalent skin diseases in Bangladesh: Contact Dermatitis, Vitiligo, Eczema, Scabies, and Tinea Ringworm. The dataset consists of 1612 images (of which, 250 are distinct while others are augmented), collected directly from patients at the outpatient department of Faridpur Medical College, Faridpur, Bangladesh. The data comprises of 302, 381, 301, 316, and 312 images of Dermatitis, Eczema, Scabies, Tinea Ringworm, and Vitiligo, respectively. Although the data are collected regionally, the selected diseases are common across many countries especially in South Asia, making the dataset potentially valuable for global applications in machine learning-based dermatology. We also apply several machine learning and deep learning models on the dataset and report classification performance. We expect that this research would garner attention from machine learning and deep learning researchers and practitioners working in the field of automated disease diagnosis.

연구 동기 및 목표

• 방글라데시에서 피부과 전문 인력이 제한된 상황에서 피부질환의 자동 탐지 동기를 부여합니다.
• 일반적으로 나타나는 피부질환에 중점을 둔 공개 가능한 이미지 데이터셋을 생성합니다.
• 데이터셋에 대해 다양한 머신러닝 및 딥러닝 모델을 벤치마킹하여 기본 성능을 설정합니다.
• 데이터셋의 ML 기반 피부과 연구에 대한 글로벌 잠재적 관련성을 강조합니다.

제안 방법

• 방글라데시의 의과대학 병원 외래 환자들로부터 지역 피부질환 이미지 데이터셋을 구성합니다.
• 이미지를 다섯 가지 질환으로 분류합니다: Contact Dermatitis, Vitiligo, Eczema, Scabies, and Tinea Ringworm.
• 증강 이미지와 구분된 이미지의 구성 포함 (1612 총, 250개 구분된).
• 질환 분류를 수행하기 위해 여러 머신러닝 및 딥러닝 모델을 적용하고 성능을 보고합니다.
• 저자들은 데이터셋의 지역 수집이 ML 기반 피부과 연구에 글로벌 잠재력을 제공할 수 있음을 시사합니다.

실험 결과

연구 질문

• RQ1 공개적으로 이용 가능한 방글라데시 피부질환 일반 이미지 데이터셋이 ML 기반 탐지를 지원할 수 있는가?
• RQ2 이 데이터셋에서 다섯 질환 클래스에 대해 다양한 ML/DL 모델은 어떻게 수행되는가?
• RQ3 피부질환 분류에서 데이터 증강이 모델 성능에 미치는 영향은 무엇인가?
• RQ4 이 데이터셋은 지역 맥락을 넘어 전 세계 피부과 응용에 잠재적으로 가치가 있는가?

주요 결과

• 데이터셋은 다섯 가지 질환에 걸쳐 1612장의 이미지를 포함합니다: Dermatitis (302), Eczema (381), Scabies (301), Tinea Ringworm (316), Vitiligo (312).
• 250장의 이미지는 서로 다르고; 남은 이미지는 데이터셋 확장을 위해 증강되었습니다.
• 다양한 머신러닝 및 딥러닝 모델이 데이터셋에 대해 벤치마크되었고, 분류 성능은 보고되었으나(초록에 구체적 지표는 제공되지 않음).
• 저자들은 데이터셋의 지역 수집이 ML 기반 피부과 연구의 글로벌 응용에 여전히 가치 있을 수 있음을 시사합니다.