論文の概要: Segmentation of brain tumor on magnetic resonance imaging using a
convolutional architecture
- arxiv url: http://arxiv.org/abs/2003.07934v1
- Date: Tue, 17 Mar 2020 20:55:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-22 21:58:41.570120
- Title: Segmentation of brain tumor on magnetic resonance imaging using a
convolutional architecture
- Title(参考訳): 畳み込み構造を用いた磁気共鳴画像における脳腫瘍の分離
- Authors: Miriam Zulema Jacobo, Jose Mejia
- Abstract要約: 深層学習アーキテクチャを用いた脳腫瘍セグメンテーションによる腫瘍セグメンテーションの問題点を考察する。
提案されたアーキテクチャは単純で計算が容易だが、$IoU$レベル0.95に達することができる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The brain is a complex organ controlling cognitive process and physical
functions. Tumors in the brain are accelerated cell growths affecting the
normal function and processes in the brain. MRI scans provides detailed images
of the body being one of the most common tests to diagnose brain tumors. The
process of segmentation of brain tumors from magnetic resonance imaging can
provide a valuable guide for diagnosis, treatment planning and prediction of
results. Here we consider the problem brain tumor segmentation using a Deep
learning architecture for use in tumor segmentation. Although the proposed
architecture is simple and computationally easy to train, it is capable of
reaching $IoU$ levels of 0.95.
- Abstract(参考訳): 脳は認知過程と身体機能を制御する複雑な器官である。
脳腫瘍は脳の正常な機能や過程に影響を与える細胞増殖を加速する。
MRIスキャンは、脳腫瘍を診断する最も一般的な検査の一つとして、体の詳細な画像を提供する。
磁気共鳴イメージングによる脳腫瘍の分節化のプロセスは、診断、治療計画、結果の予測のための貴重なガイドを提供することができる。
そこで本研究では,深層学習による脳腫瘍分画の問題点について考察する。
提案されたアーキテクチャは単純で計算が容易であるが、$iou$ の 0.95 に達することができる。
関連論文リスト
- Using Singular Value Decomposition in a Convolutional Neural Network to
Improve Brain Tumor Segmentation Accuracy [0.0]
我々は,MSVDアルゴリズムを用いて画像ノイズを低減し,深部ニューラルネットワークを用いて画像中の腫瘍を分割した。
提案手法の精度は元の画像と比較すると2.4%向上した。
論文 参考訳(メタデータ) (2024-01-04T20:57:25Z) - UniBrain: Universal Brain MRI Diagnosis with Hierarchical
Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。
具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文 参考訳(メタデータ) (2023-09-13T09:22:49Z) - Prediction of brain tumor recurrence location based on multi-modal
fusion and nonlinear correlation learning [55.789874096142285]
深層学習に基づく脳腫瘍再発位置予測ネットワークを提案する。
まず、パブリックデータセットBraTS 2021上で、マルチモーダル脳腫瘍セグメンテーションネットワークをトレーニングする。
次に、事前訓練されたエンコーダを、リッチなセマンティックな特徴を抽出するために、プライベートデータセットに転送する。
2つのデコーダは、現在の脳腫瘍を共同に分断し、将来の腫瘍再発位置を予測するために構築されている。
論文 参考訳(メタデータ) (2023-04-11T02:45:38Z) - Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。
腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文 参考訳(メタデータ) (2023-03-07T09:40:22Z) - Convolutional XGBoost (C-XGBOOST) Model for Brain Tumor Detection [0.0]
本研究では、畳み込みニューラルネットワーク(CNN)と極勾配増強(XGBoost)を組み合わせた脳腫瘍早期検出モデルを提案する。
C-XGBoostという名前のモデルでは、純粋にCNNよりもモデルの複雑さが低く、トレーニングが容易で、過度に適合する傾向が低い。
また、実際の医用画像分類タスクにおいて一般的な問題である、不均衡データや非構造データを扱うことも可能である。
論文 参考訳(メタデータ) (2023-01-05T22:25:28Z) - Cross-Modality Deep Feature Learning for Brain Tumor Segmentation [158.8192041981564]
本稿では, マルチモーダルMRIデータから脳腫瘍を抽出するクロスモーダルディープ・フィーチャーラーニング・フレームワークを提案する。
中心となる考え方は、不十分なデータスケールを補うために、マルチモダリティデータにまたがる豊富なパターンをマイニングすることだ。
on the BraTS benchmarks, this proposed cross-modality deep feature learning framework could effective improve the brain tumor segmentation performance。
論文 参考訳(メタデータ) (2022-01-07T07:46:01Z) - Triplet Contrastive Learning for Brain Tumor Classification [99.07846518148494]
本稿では,脳腫瘍の深層埋め込みを直接学習する手法を提案する。
本手法は,27種類の腫瘍群からなる広範囲な脳腫瘍データセットを用いて評価し,そのうち13種は稀である。
論文 参考訳(メタデータ) (2021-08-08T11:26:34Z) - QuickTumorNet: Fast Automatic Multi-Class Segmentation of Brain Tumors [0.0]
3D MRIボリュームからの脳腫瘍の手動分割は、時間のかかる作業です。
私たちのモデルであるQuickTumorNetは、高速で信頼性があり、正確な脳腫瘍セグメンテーションを示しました。
論文 参考訳(メタデータ) (2020-12-22T23:16:43Z) - Multi-channel MRI Embedding: An EffectiveStrategy for Enhancement of
Human Brain WholeTumor Segmentation [2.869946954477617]
医用画像処理における最も重要な課題の1つは、脳全体の腫瘍のセグメンテーションである。
脳腫瘍は早期に検出された場合、悪性または良性であることが多い。
本研究は, 深層学習に基づく腫瘍セグメント化の結果を改善するため, マルチチャネルMRI埋め込みという効率的な手法を提案する。
論文 参考訳(メタデータ) (2020-09-13T23:44:16Z) - Patch-based Brain Age Estimation from MR Images [64.66978138243083]
磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。
より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。
我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
論文 参考訳(メタデータ) (2020-08-29T11:50:37Z) - A Review on End-To-End Methods for Brain Tumor Segmentation and Overall
Survival Prediction [3.7982492640302676]
1)X線やCTなどの電離放射線を照射しない。
論文 参考訳(メタデータ) (2020-05-31T11:12:14Z)
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。