論文の概要: Deep Learning in Medical Image Registration: A Review

• arxiv url: http://arxiv.org/abs/1912.12318v1
• Date: Fri, 27 Dec 2019 19:32:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-09 23:07:18.049246
• Title: Deep Learning in Medical Image Registration: A Review
• Title（参考訳）: 医用画像登録における深層学習
• Authors: Yabo Fu, Yang Lei, Tonghe Wang, Walter J. Curran, Tian Liu, Xiaofeng Yang
• Abstract要約: 医学分野におけるDLベースの登録手法の最近の展開と応用について要約した。 ベンチマークデータセットを用いて,肺と脳の変形性登録のためのDLベースの手法の総合的な比較を行った。 深層学習を用いた医用画像登録における普及傾向と今後の動向を明らかにするため,様々な側面から引用された全作品の統計データを分析した。
• 参考スコア（独自算出の注目度）: 2.486673750594755
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a review of deep learning (DL) based medical image registration methods. We summarized the latest developments and applications of DL-based registration methods in the medical field. These methods were classified into seven categories according to their methods, functions and popularity. A detailed review of each category was presented, highlighting important contributions and identifying specific challenges. A short assessment was presented following the detailed review of each category to summarize its achievements and future potentials. We provided a comprehensive comparison among DL-based methods for lung and brain deformable registration using benchmark datasets. Lastly, we analyzed the statistics of all the cited works from various aspects, revealing the popularity and future trend of development in medical image registration using deep learning.
• Abstract（参考訳）: 本稿では,深層学習(DL)に基づく医用画像登録手法について概説する。 医学分野におけるDLベースの登録手法の最近の展開と応用について要約した。 これらの手法は,その方法,機能,人気に応じて7つのカテゴリに分類された。 各カテゴリの詳細なレビューが公開され、重要な貢献と特定の課題の特定が強調された。 それぞれのカテゴリの詳細なレビューを経て,その成果と今後の可能性をまとめた短い評価を行った。 dlベースの肺および脳の変形性登録法をベンチマークデータセットを用いて包括的に比較した。 最後に,様々な側面から引用されたすべての作品の統計を分析し,深層学習を用いた医用画像登録の普及傾向と今後の動向を明らかにした。

関連論文リスト

• LoGra-Med: Long Context Multi-Graph Alignment for Medical Vision-Language Model [55.80651780294357]
  最新の医療用マルチモーダル大規模言語モデル(med-MLLM)は、事前訓練において命令追従データを活用する。 LoGra-Medは新しいマルチグラフアライメントアルゴリズムで、画像のモダリティ、会話ベースの記述、拡張キャプション間でのトリプルト相関を強制する。 以上の結果から,LoGra-Medは医療用VQAの600K画像テキスト対に対してLAVA-Medと一致し,その10%でトレーニングした場合に有意に優れていた。
  論文  参考訳（メタデータ） (2024-10-03T15:52:03Z)
• A Survey of Models for Cognitive Diagnosis: New Developments and Future Directions [66.40362209055023]
  本研究の目的は,認知診断の現在のモデルについて,機械学習を用いた新たな展開に注目した調査を行うことである。 モデル構造,パラメータ推定アルゴリズム,モデル評価方法,適用例を比較して,認知診断モデルの最近の傾向を概観する。
  論文  参考訳（メタデータ） (2024-07-07T18:02:00Z)
• Medical Image Registration and Its Application in Retinal Images: A Review [4.634056717325716]
  本稿では,従来型および深層学習に基づく医用画像登録手法の総合的なレビューを行う。 また、網膜画像登録の現在の課題についても論じ、今後の研究への洞察と展望を提供する。
  論文  参考訳（メタデータ） (2024-03-25T07:35:28Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• MedFMC: A Real-world Dataset and Benchmark For Foundation Model Adaptation in Medical Image Classification [41.16626194300303]
  ファンデーションモデルは、多くの場合、大規模なデータで事前訓練されているが、様々なビジョンや言語アプリケーションのジャンプ開始において、最も成功している。 最近の進歩により、下流タスクにおける基礎モデルの適応は、少数のトレーニングサンプルだけで効率的に行えるようになった。 しかし, 医用画像解析におけるそのような学習パラダイムの適用は, 一般に公開されているデータやベンチマークが不足しているため, 依然として少ない。
  論文  参考訳（メタデータ） (2023-06-16T01:46:07Z)
• Domain Generalization for Mammographic Image Analysis with Contrastive Learning [62.25104935889111]
  効果的なディープラーニングモデルのトレーニングには、さまざまなスタイルと品質を備えた大規模なデータが必要である。 より優れたスタイルの一般化能力を備えた深層学習モデルを実現するために,新しいコントラスト学習法が開発された。 提案手法は,様々なベンダスタイルドメインのマンモグラムや,いくつかのパブリックデータセットを用いて,広範囲かつ厳密に評価されている。
  論文  参考訳（メタデータ） (2023-04-20T11:40:21Z)
• Medical image registration using unsupervised deep neural network: A scoping literature review [0.9527960631238173]
  医学において、画像登録は画像誘導的介入やその他の臨床応用において不可欠である。 ディープニューラルネットワークの実装は、画像登録を少ない時間で高精度に行うなど、いくつかの医療応用の機会を提供する。
  論文  参考訳（メタデータ） (2022-08-03T03:11:34Z)
• Explainable Deep Learning Methods in Medical Image Classification: A Survey [0.0]
  最先端のディープラーニングモデルは、異なるタイプの医療データの分類において、人間レベルの精度を達成した。 これらのモデルは、主に解釈可能性の欠如のために、臨床ではほとんど採用されていない。 ディープラーニングモデルのブラックボックス性は、これらのモデルの意思決定プロセスを説明するための戦略を考案する必要性を高めている。
  論文  参考訳（メタデータ） (2022-05-10T09:28:14Z)
• Deep Learning for Medical Image Registration: A Comprehensive Review [1.3190581566723918]
  深層学習(DL)に基づく医用画像登録モデルの開発が急速に進んでいる。 本総説では,X線,CTスキャン,超音波,MRIなどのモノモダルおよびマルチモーダルの登録と関連画像に焦点をあてる。
  論文  参考訳（メタデータ） (2022-04-24T19:34:00Z)
• LifeLonger: A Benchmark for Continual Disease Classification [59.13735398630546]
  MedMNISTコレクションの連続的な疾患分類のためのベンチマークであるLifeLongerを紹介する。 タスクとクラスでの病気の漸進的な学習は、モデルをスクラッチから再トレーニングすることなく、新しいサンプルを分類する問題に対処する。 クロスドメインインクリメンタル学習は、これまで得られた知識を維持しながら、異なる機関から派生したデータセットを扱う問題に対処する。
  論文  参考訳（メタデータ） (2022-04-12T12:25:05Z)
• Learning-based Computer-aided Prescription Model for Parkinson's Disease: A Data-driven Perspective [61.70045118068213]
  我々は、PD患者の症状と、神経科医が提供した処方薬を収集し、データセットを構築した。 そこで我々は、観察された症状と処方薬との関係を学習し、新しいコンピュータ支援処方薬モデルを構築した。 新来の患者に対しては、処方薬モデルにより、観察された症状に対して適切な処方薬を推奨できる(予測)。
  論文  参考訳（メタデータ） (2020-07-31T14:34:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。