論文の概要、ライセンス

# (参考訳) 心不全の超音波診断におけるリング理論を用いた大域二元化の大津閾値法の改善 [全文訳有]

Improving the Otsu Thresholding Method of Global Binarization Using Ring Theory for Ultrasonographies of Congestive Heart Failure ( http://arxiv.org/abs/2111.07031v1 )

ライセンス: CC BY 4.0
Alisa Rahim and Esley Torres(参考訳) リング理論は、環は2つの二元演算を加法と乗法の間に行うことができる代数的構造であると述べている。 バイナリ化(binarization)は、画素内の値がゼロから1に縮小され、0が光が存在しないこと、そして1が光が存在しないことを表す画像処理の方法である。 現在, 心不全の診断にはソノグラムが用いられている。 しかし、周囲の臓器や低品質の画像制作などにより、病気を象徴するプレイボーイのバニーシンボルの分離がますます困難になっている。 本稿では, 大津しきい値法について検討し, 超音波画像中の心不全指標の分離を改善するため, 異なる画像特徴を考慮した新しい要素を取り入れる。

Ring Theory states that a ring is an algebraic structure where two binary operations can be performed among the elements addition and multiplication. Binarization is a method of image processing where values within pixels are reduced to a scale from zero to one, with zero representing the most absence of light and one representing the most presence of light. Currently, sonograms are implemented in scanning for congestive heart failure. However, the renowned Playboy Bunny symbol representing the ailment becomes increasingly difficult to isolate due to surrounding organs and lower quality image productions. This paper examines the Otsu thresholding method and incorporates new elements to account for different image features meant to better isolate congestive heart failure indicators in ultrasound images.
公開日: Sat, 13 Nov 2021 04:08:02 GMT

※ 翻訳結果を表に示しています。PDFがオリジナルの論文です。翻訳結果のライセンスはCC BY-SA 4.0です。詳細はトップページをご参照ください。

翻訳結果

    Page: /      
英語(論文から抽出)日本語訳スコア
Letter Optics Letters 1 1 2 0 2 書状 光学文字 1 1 2 0 2 0.53
v o N 3 1 v o n 3 1 である。 0.65
] V I . s s e e [ ] V 私は。 s s e e である。 0.52
1 v 1 3 0 7 0 1 v 1 3 0 7 0 0.43
. 1 1 1 2 : v i X r a . 1 1 1 2 : v i X r a 0.42
Seeing the Bigger Picture: Improving Otsu’s Thresholding Method of Global Binarization Using Ring Theory for Ultrasonographies of Congestive Heart Failure ALISA RAHIM1 AND ESLEY TORRES2 大きめの画像を見る: リング理論を用いた大津のグローバル二分法を改良した心不全型アラッサ・ラヒム1とESLEY TORRES2の超音波診断 0.79
1Liberal Studies Department, New York University (NYU), 726 Broadway, 6th Floor, New York, NY 10003. ニューヨーク大学 1Liberal Studies Department, New York University (NYU) 726 Broadway, 6th Floor, New York, NY 10003 0.88
2Centro de Investigación en Ciencias (CINC), Instituto de Investigación en Ciencias Básicas y Aplicadas (IICBA), Universidad Autónoma del Estado de Morelos (UAEM), Mexico. 2 Centro de Investigación en Ciencias (CINC)、Instituto de Investigación en Ciencias Básicas y Aplicadas (IICBA)、Universidad Autónoma del Estado de Morelos (UAEM)。 0.35
Compiled November 16, 2021 2021年11月16日完成。 0.58
Ring Theory states that a ring is an algebraic structure where two binary operations can be performed among the elements: addition and multiplication. リング理論(英語版)は環が代数的構造であり、加法と乗法という2つの二元演算を要素間で行うことができる。
訳抜け防止モード: 環論は、環が代数的構造であると述べる。 2つの二項演算は要素間で実行できる:加算と乗算。
0.76
Binarization is a method of image processing where values within pixels are reduced to a scale from zero to one, with zero representing most absence of light and one representing most presence of light. バイナリ化(binarization)は、画素内の値がゼロから1に縮小され、0が光がないこと、そして1が光の存在を表す画像処理の方法である。 0.64
Currently, sonograms — computer images composed by movement of sound waves — are implemented in scanning for congestive heart failure. 現在、ソノグラム(音波の動きによるコンピュータ画像)は、心不全をスキャンするために実装されている。 0.58
However, the renowned “Playboy Bunny” symbol representing the ailment becomes increasingly difficult to isolate due to surrounding organs and lower quality image productions. しかし、周囲の臓器や画質の低い画像が原因で、病気を表す有名な「プレイボーイ・バニー」シンボルの分離がますます困難になっている。 0.59
This paper examines the Otsu thresholding method and incorporates new elements to account for different image features meant to better isolate congestive heart failure indicators in ultrasound images. 本稿では, 大津しきい値法について検討し, 超音波画像中の心不全指標の分離を改善するため, 異なる画像特徴を考慮した新しい要素を取り入れる。 0.71
© 2021 Optical Society of America 2021年アメリカ光学会 0.51
http://dx.doi.org/10 .1364/ao.XX.XXXXXX http://dx.doi.org/10 .1364/ao.XX.XXXXXX 0.12
1. INTRODUCTION Ring Theory is a branch of abstract algebra within the field of pure mathematics, stating that a ring is a set of elements with two binary operations — addition and multiplication. 1.導入 リング理論(英: Ring Theory)は、純粋数学の分野における抽象代数学の一分野であり、環は2つの二項演算を持つ要素の集合、加法と乗法である。
訳抜け防止モード: 1.導入 リング理論は純粋数学の分野における抽象代数学の分野である。 環は加法と乗法という2つの二項演算を持つ要素の集合である。
0.76
The term ”elements” is used rather than ”numbers” because rings are used to generalize complex mathematical concepts, including matrices and polynomials with real coefficients. 要素」という用語は「数」ではなく、環が実係数を持つ行列や多項式を含む複雑な数学的概念を一般化するために用いられるため用いられる。
訳抜け防止モード: 要素 ” という用語は ” number ” ではなく 環は、行列や実係数多項式を含む複雑な数学的概念を一般化するために用いられる。
0.81
These operations, along with subtraction, can be performed within a ring. これらの操作は減算とともに環内で実行することができる。 0.76
However, division may not always be possible among the elements in a ring, and multiplication is not guaranteed to be commutative among all rings. しかし、分割は常に環の要素間で可能であるとは限らないし、乗法はすべての環の間で可換であることが保証されない。 0.63
To subtract within a ring would essentially mean to add an element to its additive inverse. 環内で減算することは、本質的にその加法的逆元に要素を加えることを意味する。 0.64
Likewise, to divide would mean to multiply an element by its multiplicative inverse. 同様に、分割は元を乗法的逆数で乗算することを意味する。 0.73
Doing so would bring the element back to the additive identity zero and the multiplicative identity one, respectively [1]. そうすることで、要素を加法恒等元 0 と乗法恒等元 1 にそれぞれ [1] に戻すことができる。 0.57
Binarization is a subprocess of image segmentation whereby an image becomes a binary resolution - one that is grayscale and where the pixel values range from zero to one in regards to presence of darkness. 2値化(binarization)は画像分割のサブプロセスであり、画像が2値分解(二値分解)になる。
訳抜け防止モード: バイナリ化はイメージセグメンテーションのサブプロセスであり、イメージがバイナリレゾリューションになる。 そして、暗黒の存在に関して、ピクセル値はゼロから1の範囲です。
0.55
The process of binarization starts with the image being converted to grayscale, then applying an adaptive threshold to the final resolution. バイナライゼーションのプロセスは、画像がグレースケールに変換されてから始まり、最終解像度に適応しきい値を適用する。 0.76
The adaptive threshold allows for the image to output different iterations of the same picture. 適応しきい値により、画像は同じ画像の異なるイテレーションを出力することができる。 0.80
There are two types of binarization: global (focusing on the entire image) and local (honing in on a specific region). 双対化には、グローバル(全体像に焦点をあてる)とローカル(特定の領域に焦点をあてる)の2種類がある。 0.74
Binarization, like other methods of image segmentation, has various uses — including document scanning, forensic analysis, and medical imagery [2]. バイナリ化は、他の画像セグメンテーションの方法と同様に、文書スキャン、法医学分析、医療画像 [2] など様々な用途がある。 0.72
Congestive heart failure is an illness where the heart cannot control blood flow adequately and often requires conduction of medical imagery — including echocardiograms (EKGs), magnetic resonance imaging (MRIs), or computed tomography (CT) scans among other methods. 心不全は、心臓が血流を適切に制御できず、心エコー(EKG)、MRI(MRI)、CT(CT)スキャンなどの医療画像の伝導を必要とする病気である。
訳抜け防止モード: うっ血性心不全は、心臓が血流を適切に制御できない病気である そしてしばしば、心エコー(心電図)を含む医療画像の伝導を必要とする。 mri (mri) やct (ct) などの検査法がある。
0.73
The heart may fail to pump blood (systolic heart failure) or fill up with blood (diastolic heart failure) in an efficient manner[3]. 心臓は、血液(収縮性心不全)や血液(拡張性心不全)を効率的な方法で満たすのに失敗することがある[3]。 0.77
Previous research acknowledges that congestive heart failure is detected by a “Playboy Bunny” sign: denoted by heavy demarcations in the left, middle, and right hepatic veins, located by the liver and within the inferior vena cava. 以前の研究では、うっ血性心不全は「プレイボーイ・バニー」のサインで検出されており、肝臓と下大静脈の内側にある左、中、右の肝静脈に重い境界が示されている。 0.69
A medical image production can be inaccurate due to either the presence of surrounding organs or underperforming technology, which can lead to an incorrect or missed diagnosis altogether. 医療画像の生成は、周囲の臓器の存在や、パフォーマンスの低い技術によって不正確になり、誤診や誤診につながる可能性がある。 0.70
This research seeks to improve the detection of congestive heart failure by revising Otsu’s thresholding method, a means of global binarization. 本研究は,グローバル二乗法である大津のしきい値法を改訂し,心不全の検出を改善することを目的としている。 0.68
英語(論文から抽出)日本語訳スコア
Letter Optics Letters 2 Fig. 1. 書状 光学文字 2 図1。 0.49
Examples of ultrasonographies showing the "Playboy Bunny" symbol of congestive heart failure. 心臓麻痺の「プレイボーイバニー」の象徴を示す超音波検査の例。 0.66
2. RELATED LITERATURE Image segmentation is a popular practice in the field of medical imagery. 2.関連文献画像分割は、医療画像の分野において一般的な実践である。 0.75
Ritu and Ginni Garg assert the following in their publication entitled “Brain Tumor Detection and Classification based on Hybrid Ensemble Classifier”: “The challenging task in Brain Tumor is due to high variability and inherent MRI data characteristics, e g , variability in tumor sizes or shapes, tumor detection, area calculation, segmentation, classification, and finding uncertainty in segmented region. The most significant task in image understanding is image segmentation because it helps in feature extraction, area calculation, and significance in many real-life applications. It can be used, for example, estimation of tumor volume, tissue classification, blood cell delineation, and localization of tumors, matching of an atlas, surgical planning, and image registration” [4]. Ritu and Ginni Garg assert the following in their publication entitled “Brain Tumor Detection and Classification based on Hybrid Ensemble Classifier”: “The challenging task in Brain Tumor is due to high variability and inherent MRI data characteristics, e g , variability in tumor sizes or shapes, tumor detection, area calculation, segmentation, classification, and finding uncertainty in segmented region. The most significant task in image understanding is image segmentation because it helps in feature extraction, area calculation, and significance in many real-life applications. It can be used, for example, estimation of tumor volume, tissue classification, blood cell delineation, and localization of tumors, matching of an atlas, surgical planning, and image registration” [4].
訳抜け防止モード: ritu と ginni garg は論文 "brain tumor detection and classification based on hybrid ensemble classifier" の中で次のように主張している。 腫瘍の大きさや形状の変化など 固有のmriデータの特徴です 画像理解における最も重要な課題は,特徴抽出に役立つため,画像分割である。 多くの実生活応用における面積計算と意義 例えば、腫瘍体積の推定などに用いることができる。 組織分類、血液細胞デライン化、腫瘍の局在 アトラス,手術計画,画像登録のマッチング [4]
0.62
Garg reiterates difficulties posed in medical image segmentation, applicable to imagery any bodily organ. ガーグは、身体器官のイメージに適用できる医学的画像分割において生じる困難を繰り返す。 0.61
Current thresholding methods are still vulnerable to inciting misdiagnoses due to poorly produced scans. 現在のしきい値法は、貧弱なスキャンのため、いまだに誤診の引き起こしに弱い。 0.52
Sensitivities in medical imagery apparatus can also lead to faulty image reproductions. 医療画像装置の感度は、画像の再生不良につながることもある。 0.61
In “Long-evolution ascites in a patient with constrictive pericarditis”, Nunes and colleagues wrote: “The electrocardiogram is not characteristic and may reveal nonspecific repolarization changes and low-voltage electrical activity. The presence of pericardial calcification on chest radiograph is typical but not routinely found. Echocardiography offers important clues that strongly suggest the diagnosis but CT scan and MRI are the most sensitive methods to identify pericardial thickening. . . CP is a complex disease, systemic in nature, and many of the diagnostic problems come from its insidious course and lack of distinctive cardiopulmonary symptoms. A particular subgroup of patients may represent an interesting diagnostic challenge, presenting with ascites and signs of chronic liver disease.” (Nunes et al , 2016) A single heart scan can bring back issues with surrounding organs, or images that reflect them. In “Long-evolution ascites in a patient with constrictive pericarditis”, Nunes and colleagues wrote: “The electrocardiogram is not characteristic and may reveal nonspecific repolarization changes and low-voltage electrical activity. The presence of pericardial calcification on chest radiograph is typical but not routinely found. Echocardiography offers important clues that strongly suggest the diagnosis but CT scan and MRI are the most sensitive methods to identify pericardial thickening. . . CP is a complex disease, systemic in nature, and many of the diagnostic problems come from its insidious course and lack of distinctive cardiopulmonary symptoms. A particular subgroup of patients may represent an interesting diagnostic challenge, presenting with ascites and signs of chronic liver disease.” (Nunes et al , 2016) A single heart scan can bring back issues with surrounding organs, or images that reflect them.
訳抜け防止モード: 収縮性心膜炎患者にみられた「長い-進化的腹水」について 看護師と同僚は「心電図は特徴ではない。 非特異的再分極変化と低電圧電気活性を示す可能性がある。 胸部X線写真上,心膜石灰化は典型的であるが,通常は認められない。 心エコー検査は診断を強く示唆する重要な手がかりを提供するが、CTスキャンとMRIは心膜肥厚を特定する最も敏感な方法である。 CPは複雑な疾患であり、自然界では全身性である。 診断上の問題の多くは 特有な心肺症状の欠如。特定の患者のサブグループは、興味深い診断課題を示すかもしれない。 腹水と慢性肝疾患の徴候を呈する。 (Nunes et al, 2016) 単一の心臓スキャンは、周囲の臓器やそれを反映した画像に問題をもたらす可能性がある。
0.69
For instance, signs of congestive heart failure could be intertwined with symptoms being shown within the liver. 例えば、うっ血性心不全の兆候は、肝臓内に現れる症状と絡み合っている可能性がある。 0.62
Failures in deduction can lead to an incorrect diagnosis or medicalization of a different body system [4]. 推論の失敗は、異なる身体系の誤った診断や医学化につながる可能性がある[4]。 0.69
Additionally, different illnesses show similar symptoms, and an objective heart scan will not be sufficient enough in identifying the exact ailment in question. さらに、異なる疾患は同様の症状を示し、客観的な心臓スキャンは、問題の正確な疾患を特定するのに十分ではない。 0.66
Yusuf Bayraktar, MD states in “Hepatic venous outflow obstruction: Three similar syndromes” that “although patients with [hepatic venous outflow obstruction] generally present with abdominal pain due to hepatomegaly, and jaundice and ascites due to portal hypertension; chronic [Budd-Chiari Syndrome] patients may first present with cirrhosis and its complications. Yusuf Bayraktar, MDは「肝静脈流出閉塞:3つの類似した症候群」と評し、「[肝静脈流出閉塞]患者は、一般に、肝腫による腹痛、門脈圧亢進による結石と腹水、慢性[Budd-Chiari症候群]患者は、硬変と合併症を初発症状とする。 0.76
BCS patients with inferior vena cava obstruction may also have leg edema and venous collaterals over the trunk. BCS患者の下大静脈閉塞症は, 脚浮腫, 静脈側副血行路も有する可能性がある。 0.65
Additionally, signs and symptoms of heart failure such as jugular venous distention, leg edema, and dyspnea may be seen in patients with [congestive hepatopathy]. また,[消化性肝疾患]の患者には, 若年性静脈障害, 脚浮腫, 呼吸困難などの心不全の徴候や症状が認められることがある。 0.72
Nonetheless, the histological findings in all three syndromes are almost identical and include sinusoidal congestion and hepatocyte necrosis predominating in perivenular areas of hepatic acini which eventually leads to bridging fibrosis between adjacent central veins. いずれにせよ,3例とも組織学的所見はほぼ同一であり,肝腺周囲に有意な洞結節性壊死と肝細胞壊死がみられ,肝静脈間の線維化が進行する。 0.74
. . The laboratory findings in [veno-occulsive disease], BCS, and CH are also very similar. . . veno-occulsive disease, BCS, CHの検査結果も非常によく似ている。 0.51
” (Bayraktar 2007) Different heart conditions can coexist, which can lead doctors or medical technicians to improperly diagnose a patient. 」(Bayraktar 2007) 異なる心臓状態が共存し、医師や医療技術者が患者を不適切に診断する可能性がある。 0.78
Ultrasounds of a heart can show passive liver congestion, inferior vena cava probes, or enlarged lymph nodes. 心臓の超音波検査では、受動性肝けいれん、下大静脈プローブ、拡大リンパ節が認められる。 0.65
Implementing or improving on current thresholding methods is essential to the continuation of better CT, MRI, and/or PET scans among others. 現在の閾値法の実装や改善は、より良いCT、MRI、および/またはPETスキャンの継続に不可欠である。 0.70
In “Automatic image thresholding using Otsu’s method and entropy weighting scheme for surface defect detection”, Truong et al dessert the following about the Otsu thresholding method: “Otsu’s method, a state-of-the-art automatic thresholding technique, is the basis for several automatic defect detection proposals. It determines optimal threshold values that maximize the between-class variances of the foreground and background. Studies demonstrate that Otsu’s method is effective for thresholding a histogram with bimodal or multimodal distribution. Otsu’s method fails if the histogram is unimodal or almost unimodal (Ng, 2006). Therefore, it provides acceptable results for thresholding general real-life images and fails when being applied in visual inspection systems because of the nature of the input images” [5]. In “Automatic image thresholding using Otsu’s method and entropy weighting scheme for surface defect detection”, Truong et al dessert the following about the Otsu thresholding method: “Otsu’s method, a state-of-the-art automatic thresholding technique, is the basis for several automatic defect detection proposals. It determines optimal threshold values that maximize the between-class variances of the foreground and background. Studies demonstrate that Otsu’s method is effective for thresholding a histogram with bimodal or multimodal distribution. Otsu’s method fails if the histogram is unimodal or almost unimodal (Ng, 2006). Therefore, it provides acceptable results for thresholding general real-life images and fails when being applied in visual inspection systems because of the nature of the input images” [5].
訳抜け防止モード: 大津法と表面欠陥検出のためのエントロピー重み付け方式を用いた画像の自動しきい値設定」について つるんらデザート 大津しきい値法について : 「大津の方法」 a state - of - the- art automatic thresholding technique"に完全一致する 前景のクラス間分散を最大化する最適なしきい値を決定する 背景 研究によると 大津の手法は バイモーダル分布またはマルチモーダル分布を持つヒストグラムのしきい値化。 大津の方法が失敗したら ヒストグラムはユニモーダルまたはほぼユニモーダルである(ng, 2006)。 したがって、一般的なリアル・ライフ・イメージのしきい値化に対して許容できる結果を与える。 視覚検査システムに当てはまると 入力画像の性質から[5]。
0.80
When an image has a bi-modal histogram, its foreground and background pixels are easily discernible. 画像がバイモーダルヒストグラムを持つ場合、その前景と背景画素は容易に識別できる。 0.67
This is not always the case with medical image scans, especially with ailments that continue developing and spreading across the body in stages (cancers, tumors, etc). 医学的な画像スキャン、特にがんや腫瘍など)段階的に体全体に発達し、広がる病気の場合、これは必ずしもそうではない。 0.67
At said ailments’ final stages, images can come back and appear unimodal. ailmentsの最終段階では、画像が戻ってユニモーダルに見える。 0.49
Therefore, examining and revising the Otsu thresholding method is vital to the production of higher quality scans. そのため, 高品質スキャンの製作には, 大津しきい値法の検討と改訂が不可欠である。 0.72
3. THEORETICAL ASPECTS A. Ring Theory A ring must satisfy the following axioms: 3.理論的側面 A. リング理論 環は以下の公理を満たす必要がある。 0.54
• The ring, under addition, is an abelian group. • 加法の下での環はアーベル群である。 0.62
• The multiplication operation is associative, and therefore •乗算演算は連想的であり、従って 0.75
closed. • All operations satisfy the distributive law of multiplication 閉店だ •全ての操作が乗算の分配法則を満たす 0.69
over addition. An example of a ring includes the set of real polynomials. 追加。 環の例は実多項式の集合を含む。 0.52
The set of real polynomials can be denoted as: 実多項式の集合は次のようになる。 0.66
R[x] = anxn + an−1xn−1 + . . . + a1x + a0 | ai ∈ R. R[x] = anxn + an−1xn−1 + . . + a1x + a0 | ai ∈ R。 0.44
Within this ring, you can freely add, subtract, and multiply one polynomial, essentially an element within the ring, to get another polynomial - another element. この環の中で、1つの多項式(本質的には環内の要素)を自由に加算、減算、乗算して別の多項式を得ることができる。
訳抜け防止モード: このリング内では、自由に追加、減算できる。 1つの多項式、基本的には環内の要素を乗算します 別の多項式、つまり別の要素を得る。
0.64
The additive identity is presented as zero. 加法単位は 0 として表される。 0.56
Since zero is a constant polynomial, this value is also considered to be an element in the ring of real polynomials. ゼロは定数多項式であるため、この値は実多項式環の要素でもあると考えられている。 0.75
The multiplicative identity is presented as one. 乗法的同一性は 1 として示される。 0.44
Since multiplication is always commutative among all polynomials, the ring of real polynomials is deduced as a commutative ring with an identity element. 乗法は常にすべての多項式の間で可換であるため、実多項式の環は単位元を持つ可換環として導出される。 0.61
英語(論文から抽出)日本語訳スコア
Letter Optics Letters 3 B. Otsu Thresholding Method The Otsu thresholding method has both mathematical and computational representations. 書状 光学文字 3 B. 大津しきい値保持法 大津しきい値保持法は数学的および計算的表現の両方を有する。 0.57
When calculating the appropriate threshold, users must look for the minimum within class variance (sum of 2 variances multiplied by associated weights): 適切なしきい値を計算する場合、ユーザはクラス内分散の最小値を求める必要がある(関連する重みで乗算される2つの分散の和)。 0.64
4. Find the new centroid by taking the average of the points 4.ポイントの平均を取ることで、新しいセントロイドを見つける 0.69
in each cluster group. 各クラスタグループで。 0.71
5. Repeat 2 to 4 for a fixed number of iteration or till the 5 一定回数の繰り返し又はその日まで、2 から 4 を繰り返す 0.71
centroids don’t change. セントロイドは変わらない。 0.41
(σ2 W ) = Wb(σ2 (σ2 W ) = Wb(σ2) 0.45
b ) + Wf (σ2 f ) b) + wf (σ2 f) である。 0.75
Centroids are used as the average values of each cluster, セントロイドは各クラスタの平均値として使用される。 0.67
and Euclidean distance is calculated using: ユークリッド距離は次のように計算される。 0.53
(cid:113) and maximum between class variance (largest difference between overall variance and within class variance): (cid:113) クラス分散の最大値(全体の分散とクラス分散の最大の差)。 0.49
d(p, q) = (q1 − p1)2 + (q2 − p2)2 d(p, q) = (q1 − p1)2 + (q2 − p2)2 0.44
B = σ2 − σ2 σ2 B = σ2 − σ2 σ2 0.41
W where: W represents within class variance, W where: w はクラス分散の範囲内を表す。 0.51
• σ2 • Wb represents the weight (light presence) of the background • σ2 •Wbは背景の重量(光の存在)を表す 0.65
pixels, • σ2 b represents the variance of the background, ピクセル • σ2 bは背景のばらつきを表す。 0.51
• Wf represents the weight of the foreground pixels, •Wfは、前景画素の重みを表す。 0.72
• σ2 f represents the variance of the background, • σ2 f は背景のばらつきを表す。 0.56
• σ2 represents the overall image variance, and • σ2 は全体の画像分散を表し、 0.87
• σ2 B represents the between class variance. • σ2 b はクラス間の分散を表す。 0.59
where p and q represent two points in space, p1 and q1 represent the x-coordinates of the point, and p2 and q2 represent the ycoordinates of the point. p と q は空間上の二つの点を表し、p1 と q1 は点の x-座標を表し、p2 と q2 は点のy-座標を表す。 0.76
The output result is 3 different images, each with a different number of clusters and ultimately different reproduced figure. 出力結果は3つの異なる画像であり、それぞれ異なる数のクラスタを持ち、最終的に異なる再生図形である。 0.76
Figures 2 and 3 demonstrate K-Means Clustering using the images from Figure 1. 図2と3は、図1の画像を使ったK平均クラスタリングを示しています。 0.57
Fig. 2. Image reproductions of the first "Playboy Bunny" segmentation. 図2。 最初の「プレイボーイバニー」セグメンテーションのイメージ再生。 0.61
C. Gaussian Filtering Gaussian filters are used to smooth images and remove any noise [6], denoted by: c. gaussian filter gaussian filterは、画像を滑らかにし、[6]のノイズを取り除くために使われる。 0.78
G(x) = 1√ 2πσ2 G(x) = 1√ 2πσ2 0.46
· exp − x2 2σ2 ·exp x2 2σ2 である。 0.39
(cid:18) (cid:19) (cid:18) (cid:19) 0.39
, where σ represents the distribution standard deviation, with the mean assumed to be zero. , ここで σ は分布標準偏差を表し、平均は 0 と仮定される。 0.61
Fig. 3. Image reproductions of the second "Playboy Bunny" segmentation. 図3。 第2弾「プレイボーイバニー」セグメンテーションのイメージ再生。 0.63
Table 1. Significant Values for Gaussian Filters when σ = 1 表1。 σ = 1 のときガウスフィルタの有意な値 0.77
x G(x) x g (複数形 gs) 0.50
0 0.399 G(x)/G(0) 0 0.399 G(x)/G(0) 0.40
1 1 0.242 0.6 1 1 0.242 0.6 0.37
2 0.05 0.125 2 0.05 0.125 0.34
In MATLAB, we create a new variable, Iblur1, consisting of the target image I and the smoothing level (changed to an integer). MATLABでは、ターゲット画像Iとスムージングレベル(整数に変更)からなる新しい変数Iblur1を作成します。 0.67
D. K-Means Clustering Methods The K-Means clustering method is used to group data where it is otherwise not explicitly segmented [7]. D.K-Means Clustering Methods K-Means Clustering Methodsは、明示的にセグメンテーションされていないデータをグループ化するのに使われる。
訳抜け防止モード: D.K - Means Clustering Methods K - Means Clustering Methods 明示的にセグメント化されていないデータをグループ化する。
0.81
Muthukrishnan remarks that "assuming we have input data points x1, x2, x3, . Muthukrishnan は "入力データポイント x1, x2, x3, を仮定する。 0.75
. . , xn and value of K (the number of clusters needed), we follow the below procedure: . . , xn と k の値 (クラスタ数) は以下の手順に従っている。 0.54
1. Pick K points as the initial centroids from the dataset, either 1.データセットから初期セントロイドとしてK点を選択するか 0.79
randomly or the first K. ランダムまたは最初のK。 0.81
2. Find the Euclidean distance of each point in the dataset 2. データセット内の各点のユークリッド距離を求める 0.73
with the identified K points (cluster centroids). 特定された k 点 (クラスタ中心点) を持つ。 0.66
3. Assign each data point to the closest centroid using the 3.各データポイントを最も近いセントロイドに割り当てる 0.65
distance found in the previous step. 前のステップで見つかった距離です 0.75
E. Ring Theory in Binarization For the sake of the research at hand, the method of clustering being implemented treats the pixels of an image in the same way elements of a ring are handled. 例えば、手元の研究のために双対化における環論は、実装されるクラスタリングの方法は、リングの要素が処理されるのと同じように、画像の画素を扱う。 0.74
In computing different segmentations of the same image, the method forms different "rings" and attempts to keep all elements within their respective clusters. 同じ画像の異なるセグメンテーションを計算する際、この方法は異なる「リング」を形成し、全ての要素をそれぞれのクラスタ内に保持しようとする。 0.74
The focus of this research is to reproduce an image that better indicates the renowned Playboy Bunny symbol[8], and Ring Theory can be used to achieve this by isolating the region of interest from surrounding organs (distinguishing foreground clusters from background clusters). この研究の焦点は、有名なプレイボーイのバニーシンボル[8]をよりよく示すイメージを再現することであり、リング理論は、周辺臓器から興味のある領域(背景クラスタからフォアグラウンドクラスタを分離する)を分離することでこれを達成するのに使うことができる。 0.70
4. IMPROVEMENTS TO OTSU THRESHOLDING 4.改良 へ 大津 シースホルディング 0.46
METHOD In order to improve the quality of the image reproduction, the Otsu thresholding method will instead incorporate both Gaussian filters and K-Means Clustering. 方法 画像再生の質を向上させるため,大津閾値法ではガウスフィルタとK平均クラスタリングを併用する。 0.46
The clustering is done first to separate the symbol pixels from the surrounding organs, and the Gaussian smoothing is encoded afterwards to remove any noise from any other elements in the environment and further isolate the region of interest. クラスタリングは、まず、シンボルピクセルを周囲の臓器から分離し、その後、ガウス平滑化を符号化して、環境中の他の要素からノイズを除去し、さらに関心領域を分離する。 0.71
Since the first produced image using K-Means for both original segmentations provides the clearest distinction between the notable symbol and surrounding parts, the code runs under the assumption that k = 1. オリジナルセグメンテーションの両方にk-meansを使った最初の画像は、注目すべき記号と周辺部分の最も明確な区別を提供するため、コードはk = 1という仮定で実行される。 0.70
英語(論文から抽出)日本語訳スコア
Letter Optics Letters 4 8. SUGGESTIONS FOR FURTHER RESEARCH 書状 光学文字 4 第8回 ファサーチ研究の取り組み 0.56
• Expand into other programming languages, most likely •他のプログラミング言語への拡張、おそらくは 0.91
starting with Python and/or Javascript. Pythonと/またはJavaScriptから始める。 0.72
• Look into other ailments and different detection methods, most notably MRI and CT scans of brain tumors or soft tissue sarcomas. 脳腫瘍や軟部組織肉腫のmriやctスキャンなど、他の病気や検出方法も見てみましょう。 0.63
• When possible, continue networking to outside professionals and laboratories to implement improved methods into medical technology apparatus. •可能であれば、外部の専門家や研究室とのネットワークを継続し、医療技術機器に改良された手法を実装する。 0.60
• Begin testing the new thresholding method on a larger set of images and looking into different methods of original image production. • より大規模な画像に対して新たなしきい値法を検証し、オリジナル画像生成の異なる方法を検討する。 0.80
Disclosures The authors declare no conflicts of interest. 開示 著者は関心の衝突を宣言しません。 0.56
9. ACKNOWLEDGEMENTS This project would not have been made possible without the multitude of support I have received from friends, family, and fellow academic professionals. 9. ACKNOWLEDGementS このプロジェクトは、友人、家族、および仲間の学術専門家から受けた多数の支援がなければ、実現できなかったでしょう。 0.75
I would like to especially thank Dr. Rishi Nath of York College for first introducing me to Ring Theory. 特にヨーク大学のrishi nath博士にリング理論を初めて紹介してくれたことに感謝します。 0.71
Additionally, I have both Professors Yasel Garcés Suárez and Esley Torres of the Institute of Cybernetics to thank for introducing me to binarization and assisting with the format of this paper, respectively. さらに、私は、サイバーネティクス研究所のYasel Garcés Suárez教授とEsley Torres教授の両方が、この論文の形式をバイナライゼーションに紹介してくれたことに感謝しています。 0.72
REFERENCES 1. 2. A. Rahim, Natl. 第1回参照。 2. A. Rahim, Natl 0.39
High Sch. J. Sci. ハイ・シュ。 J.Sci 0.47
(2019). Y. Zhu and X. Liang, “Exploiting fully convolutional network and visualization techniques on spontaneous speech for dementia detection,” (2020). (2019). Y. Zhu, X. Liang, “Exploiting fully convolutional network and visualization technique on spontaneous speech for dementia detection” (2020)。
訳抜け防止モード: (2019). Y. ZhuとX. Liang、” 認知症検出のための自発音声の完全畳み込みネットワークと可視化技術(2020年)。
0.58
U. -D. Bayraktar, S. Seren, and Y. Bayraktar, World journal gastroenterology 13, 1912 (2007). U -D。 Bayraktar, S. Seren, and Y. Bayraktar, World Journal gastroenterology 13 1912 (2007) 0.57
Publisher: Baishideng Publishing Group Co., Limited. 出版社:バイシデング出版グループ(株) 0.56
3. 4. G. Garg and R. Garg, CoRR abs/2101.00216 (2021). 3. 4. G. Garg と R. Garg, CoRR abs/2101.00216 (2021)。 0.41
5. M. T. Truong and S. Kim, Soft Comput. 5. m. t. truong と s. kim ソフトコンピュート。 0.69
22, 4197–4203 (2018). 22, 4197–4203 (2018). 0.47
6. https://www.cs.auckl and.ac.nz/courses/co mpsci373s1c/ PatricesLectures/Gau ssian%20Filtering_1u p.pdf (2010). 6. https://www.cs.auckl and.ac.nz/courses/co mpsci373s1c/ PatricesLectures/Gau ssian%20Filtering_1u p.pdf (2010) 0.30
https://muthu.co/mat hematics-behind-k-me an-clustering-algori thm/ (2018). https://muthu.co/mat hematics-behind-k-me an-clustering-algori thm/ (2018)。 0.19
A. Hokama, S. Arakaki, S. D. M. Tatsuji, K. Fukunori, and J. Fujita, West. A. Hokama, S. Arakaki, S. D. M. Tatsuji, K. Fukunori, J. Fujita, West 0.46
J. Emerg. Medicine 12, 433 (2011). j・エマーグ 医学12巻433頁(2011年)。 0.65
7. 8. Fig. 4. First original image (left) and image produced by the improved Otsu method (right). 7. 8. 図4。 最初のオリジナル画像(左)と改良された大津法(右)による画像。 0.55
Fig. 5. Second original image (left) and image produced by the improved Otsu method (right). 図5。 改良大津法(右)による第2原像(左)と第2原像 0.61
5. EXPERIMENTAL RESULTS Using the above code, segmentations will be run on both original images. 実験結果 上記のコードを使用して、セグメンテーションは両方のオリジナルのイメージで実行される。 0.46
Figures 4 and 5 show the original images alongside their reproductions using the improved Otsu method. 図4、図5は、改良された大津法を用いて、オリジナルイメージの複製と合わせて表示する。 0.55
6. CONCLUSIONS 6.コンキュレーション 0.72
The original method of Otsu thresholding failed to account for noise removal, which ultimately caused reproduced images to be of lower quality. 元々の大津しきい値法はノイズ除去を考慮せず、結果として再生画像の品質が低下した。 0.70
The improvements made to the Otsu thresholding method herein account for both the removal of bias in clustering symbol elements from image background and smoothing the image altogether to achieve a replica of higher resolution. ここでは,画像背景からのクラスタリングシンボル要素のバイアス除去と画像のスムーズ化を両立させ,高解像度のレプリカを実現するため,大津しきい値法の改良を行った。 0.87
K-Means was implemented as this specific method can identify more unconventional figures, whereas other segmentation practices (i.e. Mean Shift Iterative Algorithm) are meant to identify uniform shapes or require additional training, similar to a convolutional neural network. K-Meansは、この特定の手法がより伝統的な数字を識別できるため実装され、他のセグメンテーション(平均シフト反復アルゴリズム)は、畳み込みニューラルネットワークのような均一な形状や追加のトレーニングを必要とする。 0.77
7. LIMITATIONS • This project works specifically with MATLAB, and therefore has not been tested or revised in other programming languages. 7.リミメーション • このプロジェクトはMATLABに特化して動作するため、他のプログラミング言語ではテストされていない。 0.74
• Since the focus of this research was to better detect the notable “Playboy Bunny” symbol for congestive heart failure, other ailment detection methods have not been looked into, and the improvements made within this project have not been tested to better pinpoint other illness indicators. この研究の焦点は、うっ血性心不全の「プレイボーイバニー」のシンボルをよりよく検出することであったため、他の病気検出方法は検討されておらず、このプロジェクトで行われた改善は、他の病気の指標をより正確に特定するためにテストされていない。 0.70
• Due to the ongoing global health crisis, access to resources ・世界の健康危機が続くため、資源へのアクセス 0.72
and mentorship were both inevitably limited. メンターシップも必然的に制限されていた。 0.31
• Image reproduction is directly correlated to the original image quality; in images with poorer production methods, isolation of the region of the interest becomes increasingly lower in quality. • 画像の再現は原画像の品質と直接相関するが, 製造方法が貧弱な画像では, 関心領域の分離は品質が低下する傾向にある。 0.87
         ページの最初に戻る

翻訳にはFugu-Machine Translatorを利用しています。