Fugu-MT 論文翻訳(概要): The Ladder Algorithm: Finding Repetitive Structures in Medical Images by Induction

論文の概要: The Ladder Algorithm: Finding Repetitive Structures in Medical Images by Induction

arxiv url: http://arxiv.org/abs/2001.11284v2
Date: Wed, 8 Apr 2020 09:24:25 GMT
ステータス: 処理完了
システム内更新日: 2023-01-05 12:31:03.003918
Title: The Ladder Algorithm: Finding Repetitive Structures in Medical Images by Induction
Title（参考訳）: ラダーアルゴリズム:誘導による医用画像の繰り返し構造の検出
Authors: Rhydian Windsor and Amir Jamaludin
Abstract要約: 本稿では,自然画像における繰り返し構造を高精度に検出する新しい反復アルゴリズムであるLadder Algorithmを紹介する。 99.8%の精度とリコールで高い透視を達成し, 腰部椎体検出術の現況を超えた。
参考スコア（独自算出の注目度）: 1.2183405753834562
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper we introduce the Ladder Algorithm; a novel recurrent algorithm to detect repetitive structures in natural images with high accuracy using little training data. We then demonstrate the algorithm on the task of extracting vertebrae from whole spine magnetic resonance scans with only lumbar MR scans for training data. It is shown to achieve high perforamance with 99.8% precision and recall, exceeding current state of the art approaches for lumbar vertebrae detection in T1 and T2 weighted scans. It also generalises without retraining to whole spine images with minimal drop in accuracy, achieving 99.4% detection rate.
Abstract（参考訳）: 本稿では,少ないトレーニングデータを用いて,自然画像の繰り返し構造を高精度に検出する新しい繰り返しアルゴリズムであるLadderアルゴリズムを提案する。次に, 腰椎mriスキャンのみを用いて全脊椎mriから椎骨を抽出し, トレーニングデータを得るという課題について, アルゴリズムを実証する。 T1およびT2重み付きスキャンにおける腰椎椎体検出法の現状を超越して,99.8%の精度とリコールを達成できることが示されている。また、全脊椎画像へのトレーニングを最小限の精度で行うことなく一般化し、99.4%の精度で検出できる。

関連論文リスト

CONSULT: Contrastive Self-Supervised Learning for Few-shot Tumor Detection [21.809270017579806]
CONSULT(Contrastive Self-SUpervised Learning for few-shot tumor detection)と呼ばれる新しい2段階異常検出アルゴリズムを提案する。 CONSULTは、MRI脳画像に特化して訓練済みの機能抽出器を微調整し、合成データ生成パイプラインを使用して腫瘍のようなデータを生成する。第1段階は、文脈対応コントラスト学習と自己監督型特徴逆学習を取り入れた高変量データの特徴抽出において、現在の異常検出の欠点を克服することである。
論文参考訳（メタデータ） (2024-10-15T06:09:28Z)
Preoperative Rotator Cuff Tear Prediction from Shoulder Radiographs using a Convolutional Block Attention Module-Integrated Neural Network [0.04590531202809992]
肩部X線写真と深達度学習法を併用して, 肩腱板断裂患者の診断に有用かどうかを検証した。畳み込みブロックアテンションモジュールを深部ニューラルネットワークに組み込むことで, 腱板断裂患者を高精度に検出できることを示す。
論文参考訳（メタデータ） (2024-08-19T11:08:49Z)
Rotational Augmented Noise2Inverse for Low-dose Computed Tomography Reconstruction [83.73429628413773]
改良された深層学習手法は、画像のノイズを除去する能力を示しているが、正確な地上の真実を必要とする。畳み込みニューラルネットワーク(CNN)のトレーニングに基礎的真理を必要としないLDCTのための新しい自己教師型フレームワークを提案する。数値および実験結果から,Sparse View を用いた N2I の再構成精度は低下しており,提案手法は異なる範囲のサンプリング角度で画像品質を向上する。
論文参考訳（メタデータ） (2023-12-19T22:40:51Z)
Intelligent Cervical Spine Fracture Detection Using Deep Learning Methods [0.0]
本稿では,各画像スライスにおける頚椎の存在を識別するための2段階パイプラインを提案する。第1段階では、画像メタデータと画像メタデータを組み込んだマルチインプットネットワークを訓練する。第2段階では、画像内の骨折を検出するためにYOLOv8モデルを訓練し、その効果をYOLOv5と比較する。
論文参考訳（メタデータ） (2023-11-09T19:34:42Z)
Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文参考訳（メタデータ） (2023-05-27T03:55:19Z)
Weakly-supervised Biomechanically-constrained CT/MRI Registration of the Spine [72.85011943179894]
本稿では,各脊椎の剛性と容積を保存し,登録精度を最大化しながら,弱教師付き深層学習フレームワークを提案する。また,CTにおける椎体自動分節化はMRIと対比してより正確な結果をもたらすため,CTラベルマップのみに依存するよう,これらの損失を特に設計する。以上の結果から, 解剖学的認識による損失の増大は, 精度を維持しつつも, 推測変換の妥当性を高めることが示唆された。
論文参考訳（メタデータ） (2022-05-16T10:59:55Z)
Interpolation of CT Projections by Exploiting Their Self-Similarity and Smoothness [6.891238879512674]
提案アルゴリズムは, シングラムの自己相似性と滑らか性を利用する。シミュレーションおよび実ctデータを用いた実験により,提案アルゴリズムを用いたシンノグラムにより,再構成画像の品質が大幅に向上することが示された。
論文参考訳（メタデータ） (2021-03-05T22:41:25Z)
Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文参考訳（メタデータ） (2020-07-24T14:02:09Z)
A Convolutional Approach to Vertebrae Detection and Labelling in Whole Spine MRI [70.04389979779195]
脊椎MRIにおける脊椎の発見と同定のための新しい畳み込み法を提案する。これには学習ベクトル場を使用して、検出された脊椎の角を個別の脊椎にまとめる。本手法の臨床的有用性を示すために, 腰部, 脊柱管内MRスキャンにおける側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側方側
論文参考訳（メタデータ） (2020-07-06T09:37:12Z)
Data Consistent CT Reconstruction from Insufficient Data with Learned Prior Images [70.13735569016752]
偽陰性病変と偽陽性病変を呈示し,CT画像再構成における深層学習の堅牢性について検討した。本稿では,圧縮センシングと深層学習の利点を組み合わせた画像品質向上のためのデータ一貫性再構築手法を提案する。提案手法の有効性は,円錐ビームCTにおいて,トランキャットデータ,リミテッドアングルデータ,スパースビューデータで示される。
論文参考訳（メタデータ） (2020-05-20T13:30:49Z)

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。