論文の概要: Spectral GUI for Automated Tissue and Lesion Segmentation of T1 Weighted Breast MR Images

• arxiv url: http://arxiv.org/abs/2004.08960v1
• Date: Sun, 19 Apr 2020 20:52:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 00:31:02.930346
• Title: Spectral GUI for Automated Tissue and Lesion Segmentation of T1 Weighted Breast MR Images
• Title（参考訳）: t1強調乳房mr画像の自動組織および病変分割のためのスペクトルgui
• Authors: Prajval Koul
• Abstract要約: グラフィカルユーザインタフェース(GUI)を用いたT1重み付け胸部MR画像における線維腺組織と病変の分画を容易にする多プラットフォーム胸部MR画像解析ツールであるSpectral GUIを提案する。 機械学習アルゴリズムを欠いているため、オーバーヘッドを最小限に抑えながら非常に高速な実行速度を示す。 このツールの有効性と適用性については,従来の機械学習の原則とは対照的に論文で論じている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present Spectral GUI, a multiplatform breast MR image analysis tool designed to facilitate the segmentation of fibro glandular tissues and lesions in T1 weighted breast MR images via a graphical user interface (GUI). Spectral GUIR uses spectrum loft method [1] for breast MR image segmentation. Not only is it interactive, but robust and expeditious at the same time. Being devoid of any machine learning algorithm, it shows exceptionally high execution speed with minimal overheads. The accuracy of the results has been simultaneously measured using performance metrics and expert entailment. The validity and applicability of the tool are discussed in the paper along with a crisp contrast with traditional machine learning principles, establishing the unequivocal foundation of it as a competent tool in the field of image analysis.
• Abstract（参考訳）: グラフィカルユーザインタフェース(GUI)を用いたT1強調乳房MR画像における線維腺組織と病変の分画を容易にするための多プラットフォーム乳房MR画像解析ツールであるSpectral GUIを提案する。 スペクトルGUIRは胸部MR画像分割にスペクトルロフト法[1]を用いる。 インタラクティブであるだけでなく、堅牢かつ迅速である。 機械学習アルゴリズムを欠いているため、オーバーヘッドを最小限に抑えながら非常に高速な実行速度を示す。 結果の正確性は、パフォーマンス指標と専門知識を用いて同時に測定されている。 ツールの妥当性と適用性について,従来の機械学習の原則と対照的に論じ,画像解析の分野における有能なツールとして,その無意味な基盤を確立した。

関連論文リスト

• Capability enhancement of the X-ray micro-tomography system via ML-assisted approaches [0.8999666725996978]
  X線マイクロCT画像におけるリングアーティファクトは、その正確な視覚的解釈と定量的解析における主要な原因の1つである。 本稿では、UNetにインスパイアされた畳み込みニューラルネットワーク(CNN)ベースのディープラーニング(DL)モデルと、リングアーティファクトを除去するためのスキップ接続を備えた一連のエンコーダとデコーダユニットを提案する。
  論文  参考訳（メタデータ） (2024-02-08T14:23:24Z)
• LOTUS: Learning to Optimize Task-based US representations [39.81131738128329]
  超音波画像における臓器の解剖学的セグメンテーションは多くの臨床応用に不可欠である。 既存のディープニューラルネットワークは、臨床的に許容できるパフォーマンスを達成するために、トレーニングのために大量のラベル付きデータを必要とする。 本稿では,タスクベース超音速画像表現を最適化する学習手法を提案する。
  論文  参考訳（メタデータ） (2023-07-29T16:29:39Z)
• On Sensitivity and Robustness of Normalization Schemes to Input Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
  深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。 DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。 本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
  論文  参考訳（メタデータ） (2023-06-23T03:09:03Z)
• Geometric Constraints Enable Self-Supervised Sinogram Inpainting in Sparse-View Tomography [7.416898042520079]
  スパース角度トモグラフィースキャンは放射線を低減し、データ取得を加速するが、画像のアーチファクトやノイズに悩まされる。 既存の画像処理アルゴリズムはCT再構成の品質を復元することができるが、大きなトレーニングデータセットを必要とする場合が多い。 本研究は、勾配に基づく最適化により、欠落した射影ビューを最適化する自己教師付きプロジェクションインペインティング法を提案する。
  論文  参考訳（メタデータ） (2023-02-13T15:15:18Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Automated segmentation of microtomography imaging of Egyptian mummies [3.8328962782003964]
  機械学習モデルをチューニング・訓練するために,手作業で分割したサンプルを用いて画像を自動的にセグメンテーションするツールを開発した。 古代エジプトの動物のミイラの4つの標本では、手作業で分割したスライスと比較すると、全体的な精度は94-98%に達する。 セグメント化されたアウトプットを定性的に分析した結果,ディープラーニングのユーザビリティの面では,これらのテクニックの利用を正当化する結果が得られた。
  論文  参考訳（メタデータ） (2021-05-14T09:56:13Z)
• Common Limitations of Image Processing Metrics: A Picture Story [58.83274952067888]
  本論文は, 画像レベルの分類, セマンティックセグメンテーション, インスタンスセグメンテーション, オブジェクト検出タスクと表現できるバイオメディカル画像解析問題に焦点を当てる。 現在のバージョンは、世界中の60以上の機関からの画像分析の専門家からなる国際コンソーシアムが実施するメトリクスに関するDelphiプロセスに基づいている。
  論文  参考訳（メタデータ） (2021-04-12T17:03:42Z)
• SpecTr: Spectral Transformer for Hyperspectral Pathology Image Segmentation [14.34998033157658]
  我々はスペクトル帯域間の長距離依存性をモデル化できるSpectral Transformer (SpecTr) と命名した。 spectrは、事前トレーニングを必要とせず、ハイパースペクトル病理画像セグメンテーションベンチマークで他の競合する手法よりも優れている。
  論文  参考訳（メタデータ） (2021-03-05T11:12:22Z)
• Cross-Spectral Periocular Recognition with Conditional Adversarial Networks [59.17685450892182]
  本研究では,近赤外・近赤外スペクトル間の近赤外画像の変換を訓練した条件付き生成逆相関ネットワークを提案する。 EER=1%, GAR>99% @ FAR=1%, ポリUデータベースの最先端技術に匹敵するスペクトル近視性能を得た。
  論文  参考訳（メタデータ） (2020-08-26T15:02:04Z)
• Searching for Efficient Architecture for Instrument Segmentation in Robotic Surgery [58.63306322525082]
  ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。 我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
  論文  参考訳（メタデータ） (2020-07-08T21:38:29Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。