Fugu-MT 論文翻訳(概要): Medicine Strip Identification using 2-D Cepstral Feature Extraction and Multiclass Classification Methods

論文の概要: Medicine Strip Identification using 2-D Cepstral Feature Extraction and Multiclass Classification Methods

arxiv url: http://arxiv.org/abs/2003.00810v1
Date: Mon, 3 Feb 2020 09:45:01 GMT
ステータス: 処理完了
システム内更新日: 2023-01-04 09:33:34.308602
Title: Medicine Strip Identification using 2-D Cepstral Feature Extraction and Multiclass Classification Methods
Title（参考訳）: 2次元ケプストラム特徴抽出とマルチクラス分類法による医用ストリップ識別
Authors: Anirudh Itagi, Ritam Sil, Saurav Mohapatra, Subham Rout, Bharath K P, Karthik R, Rajesh Kumar Muthu
Abstract要約: 本稿では,その画像の2次元ケプストラム解析による医用ストリップの同定手法を提案する。上記のアルゴリズムを実装し,その識別結果を比較した。
参考スコア（独自算出の注目度）: 3.263412894884991
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Misclassification of medicine is perilous to the health of a patient, more so if the said patient is visually impaired or simply did not recognize the color, shape or type of medicine strip. This paper proposes a method for identification of medicine strips by 2-D cepstral analysis of their images followed by performing classification that has been done using the K-Nearest Neighbor (KNN), Support Vector Machine (SVM) and Logistic Regression (LR) Classifiers. The 2-D cepstral features extracted are extremely distinct to a medicine strip and consequently make identifying them exceptionally accurate. This paper also proposes the Color Gradient and Pill shape Feature (CGPF) extraction procedure and discusses the Binary Robust Invariant Scalable Keypoints (BRISK) algorithm as well. The mentioned algorithms were implemented and their identification results have been compared.
Abstract（参考訳）: 医療の誤分類は患者の健康に有害であり、その患者が視覚障害者であったり、単に医薬帯の色、形、種類を認識していなかったりする。本稿では,k-nearest neighbor (knn) と support vector machine (svm) と logistic regression (lr) を用いた分類を行い,画像の2次元ケプストラム解析による医用ストリップの同定法を提案する。抽出された2-Dケプストラーの特徴は、医薬ストリップと非常に異なるため、非常に正確である。また,CGPF(Color Gradient and Pill shape Feature)抽出手法を提案し,BRISK(Binary Robust Invariant Scalable Keypoints)アルゴリズムについても検討した。上記のアルゴリズムを実装し,その識別結果を比較した。

関連論文リスト

Automated Localization of Blood Vessels in Retinal Images [0.0]
健康な網膜像と不健康な網膜像の両方を扱う2つの方法を分析した。最初のステップでは、明るい病変の影響を減らすためにアルゴリズムが使用される。第2のステップでは、ライン状の血管構造を局在させるために、マルチスケールのライン演算子が使用される。
論文参考訳（メタデータ） (2023-10-22T21:05:55Z)
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)
Interpretable Diabetic Retinopathy Diagnosis based on Biomarker Activation Map [2.6170980960630037]
生成的対角学習に基づく新しいバイオマーカー活性化マップ(BAM)フレームワークを提案する。 456個の黄斑スキャンを含むデータセットを、現在の臨床基準に基づいて非参照型または参照型DRとして評価した。生成したBAMは非灌流領域や網膜液を含む既知の病態の特徴を強調した。
論文参考訳（メタデータ） (2022-12-13T00:45:46Z)
Weakly Supervised Medical Image Segmentation With Soft Labels and Noise Robust Loss [0.16490701092527607]
ディープラーニングモデルのトレーニングには、エキスパートラベル付きアノテーションを備えた大規模なデータセットが一般的に必要である。不正確なセグメンテーションラベルで訓練されたディープラーニングモデルを用いた画像ベースの医療診断ツールは、誤診断や治療提案につながる可能性がある。本研究の目的は, マルチラターアノテーションとMRIにおける病変の特徴の解剖学的知識に基づいて, 確率ラベルを生成する手法を開発し, 評価することである。
論文参考訳（メタデータ） (2022-09-16T21:07:59Z)
Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文参考訳（メタデータ） (2022-03-29T08:41:17Z)
Persistent Homology for Breast Tumor Classification using Mammogram Scans [0.0]
本研究では,ランドマーク選択法に基づく1つの画像の複数のPD表現を構築する。パーシステンス・ランドスケープ, 永続画像, パーシステンス・ビンニング (Betti Curve) と統計を用いたPDベクター化を行った。 2つの乳腺異常検出データセットを用いたランドマークベースPHの有効性について検討した。
論文参考訳（メタデータ） (2022-01-07T02:03:30Z)
Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文参考訳（メタデータ） (2021-10-27T19:28:36Z)
Edge-competing Pathological Liver Vessel Segmentation with Limited Labels [61.38846803229023]
病理画像からのMVI検出に適したアルゴリズムはまだ存在しない。本報告では, 血管, MVI, および腫瘍のグレードをラベルとした522枚のスライド画像を含む, 初めて病理組織学的肝画像データセットを収集する。本稿では,2つのエッジセグメンテーション・ネットワークと2つのエッジセグメンテーション・ディミネータを含むエッジコンペティング・コンテナ・ネットワーク(EVS-Net)を提案する。
論文参考訳（メタデータ） (2021-08-01T07:28:32Z)
Cascaded Robust Learning at Imperfect Labels for Chest X-ray Segmentation [61.09321488002978]
不完全アノテーションを用いた胸部X線分割のための新しいカスケードロバスト学習フレームワークを提案する。モデルは3つの独立したネットワークから成り,ピアネットワークから有用な情報を効果的に学習できる。提案手法は,従来の手法と比較して,セグメント化タスクの精度を大幅に向上させることができる。
論文参考訳（メタデータ） (2021-04-05T15:50:16Z)
Semi-supervised lung nodule retrieval [2.055949720959582]
コンテンツベース画像検索(CBIR)システムは、クエリ画像と類似度でランク付けされた一連の画像を出力する。データセット要素間の類似性(例えばnodules間の類似性)に関する基礎的な真実は、容易には利用できない。本研究は,(1)部分ラベル付きデータセットの自動アノテーション,(2)述語アノテーションに基づく意味的類似度距離空間の学習,という2つのステップを含む半教師付きアプローチを提案する。 LIDCデータセットを用いて肺結節検索を行い,予測された評価値から埋め込みを学習することが可能であることを示す。
論文参考訳（メタデータ） (2020-05-04T19:26:14Z)
Do Public Datasets Assure Unbiased Comparisons for Registration Evaluation? [96.53940048041248]
画像誘導神経外科医の登録をベンチマークするために、2つのデータセットで手動で注釈付けされたランドマークをスクリーニングするために、ヴァリグラムを使用します。 Variograms を用いて, 潜在的に有意な症例を同定し, 経験者により検討した。
論文参考訳（メタデータ） (2020-03-20T20:04:47Z)

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。