Fugu-MT 論文翻訳(概要): Early Disease Diagnosis for Rice Crop

論文の概要: Early Disease Diagnosis for Rice Crop

arxiv url: http://arxiv.org/abs/2004.04775v1
Date: Thu, 9 Apr 2020 19:05:43 GMT
ステータス: 処理完了
システム内更新日: 2022-12-15 03:13:11.376610
Title: Early Disease Diagnosis for Rice Crop
Title（参考訳）: イネの早期診断
Authors: M. Hammad Masood, Habiba Saim, Murtaza Taj, Mian M. Awais
Abstract要約: 早期検出は、損傷そのものの延長を予防または軽減することができる。本稿では,各画像の病変セグメントごとにアノテーションを付加したデータセットを提案する。提案手法は,提案したデータセットに対して,全体の87.6%の精度を得た。
参考スコア（独自算出の注目度）: 2.4660652494309936
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Many existing techniques provide automatic estimation of crop damage due to various diseases. However, early detection can prevent or reduce the extend of damage itself. The limited performance of existing techniques in early detection is lack of localized information. We instead propose a dataset with annotations for each diseased segment in each image. Unlike existing approaches, instead of classifying images into either healthy or diseased, we propose to provide localized classification for each segment of an images. Our method is based on Mask RCNN and provides location as well as extend of infected regions on the plant. Thus the extend of damage on the crop can be estimated. Our method has obtained overall 87.6% accuracy on the proposed dataset as compared to 58.4% obtained without incorporating localized information.
Abstract（参考訳）: 既存の多くの技術は、様々な病気による作物の被害を自動的に推定する。しかし、早期検出は損傷自体を予防または軽減することができる。早期検出における既存技術の限られた性能は、局所情報の欠如である。代わりに、各画像の病的セグメントごとにアノテーション付きのデータセットを提案する。既存のアプローチとは異なり、画像の健全な分類や病的な分類ではなく、画像の各セグメントの局所的な分類を提案する。本手法はMask RCNNをベースとして,植物上の感染部位の拡がりの場所を提供する。これにより、作物の損傷の延長を推定できる。提案手法は,局所化情報を組み込まずに得られた58.4%と比較して,全体の87.6%の精度を得た。

関連論文リスト

Spatial-aware Attention Generative Adversarial Network for Semi-supervised Anomaly Detection in Medical Image [63.59114880750643]
本稿では,一級半教師付き健康画像生成のための空間意識生成ネットワーク(SAGAN)について紹介する。 SAGANは、正常な画像の復元と擬似異常画像の復元によって導かれる、ラベルのないデータに対応する高品質な健康画像を生成する。 3つの医学データセットに対する大規模な実験は、提案されたSAGANが最先端の手法よりも優れていることを示した。
論文参考訳（メタデータ） (2024-05-21T15:41:34Z)
Unsupervised Domain Adaptation for Low-dose CT Reconstruction via Bayesian Uncertainty Alignment [32.632944734192435]
低線量CT(LDCT)画像再構成技術は、許容画質を維持しつつ、患者の放射線被曝を減らすことができる。この問題ではディープラーニングが広く用いられているが、臨床シナリオではデータテストのパフォーマンスが劣化することが多い。 LDCT再構成の教師なし領域適応(UDA)は分布アライメントによってこの問題を解決するために提案されている。
論文参考訳（メタデータ） (2023-02-26T07:10:09Z)
Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2022-11-14T18:16:36Z)
Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文参考訳（メタデータ） (2022-10-13T15:34:20Z)
PCA: Semi-supervised Segmentation with Patch Confidence Adversarial Training [52.895952593202054]
医用画像セグメンテーションのためのPatch Confidence Adrial Training (PCA) と呼ばれる半教師付き対向法を提案する。 PCAは各パッチの画素構造とコンテキスト情報を学習し、十分な勾配フィードバックを得る。本手法は, 医用画像のセグメンテーションにおいて, 最先端の半教師付き手法より優れており, その有効性を示している。
論文参考訳（メタデータ） (2022-07-24T07:45:47Z)
Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文参考訳（メタデータ） (2021-10-25T14:15:57Z)
An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文参考訳（メタデータ） (2021-03-02T13:14:15Z)
Weakly Supervised Thoracic Disease Localization via Disease Masks [29.065791290544983]
画像レベルのアノテーションのみを使用する弱監督ローカリゼーション手法が提案されている。本稿では,主に疾患の発生領域を記述した病マスクを用いた空間的注意法を提案する。提案手法は,最先端手法と比較して位置決め性能に優れることを示す。
論文参考訳（メタデータ） (2021-01-25T06:52:57Z)
Image-based Plant Disease Diagnosis with Unsupervised Anomaly Detection Based on Reconstructability of Colors [0.0]
画像に基づく植物病診断のための教師なし異常検出手法を提案する。提案手法は,pix2pixと呼ばれる条件付き対向ネットワークを利用した植物病検出のための新しい画像ベースフレームワークを含む。 PlantVillageデータセットを用いた実験では,既存の異常検出装置と比較して提案手法の優位性を示した。
論文参考訳（メタデータ） (2020-11-29T07:44:05Z)
Explainable Disease Classification via weakly-supervised segmentation [4.154485485415009]
CAD(Computer Aided Diagnosis)に対するディープラーニングアプローチは、画像分類(Normal or Abnormal)問題として問題を引き起こすのが一般的である。本稿では,この問題を考察し,診断に先立ってエビデンスを探す臨床実践を模倣するアプローチを提案する。提案法はマンモグラフィー画像から乳癌検出に適応する。
論文参考訳（メタデータ） (2020-08-24T09:00:30Z)
Quantification of groundnut leaf defects using image processing algorithms [0.0]
本研究は, アンダラプラデシュの4地域を対象に, イメージ・プロセッシング技術を用いて, 被害したオオムギの葉面積を推定する試みである。これらの4つの領域にわたる画像解析の結果、葉面積の約14～28%がグラウンドナッツ畑で影響を受けることが明らかとなった。
論文参考訳（メタデータ） (2020-06-11T15:07:12Z)

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。