Fugu-MT 論文翻訳(概要): Detection of Line Artefacts in Lung Ultrasound Images of COVID-19 Patients via Non-Convex Regularization

論文の概要: Detection of Line Artefacts in Lung Ultrasound Images of COVID-19 Patients via Non-Convex Regularization

arxiv url: http://arxiv.org/abs/2005.03080v3
Date: Wed, 9 Sep 2020 15:18:00 GMT
ステータス: 処理完了
システム内更新日: 2022-12-06 06:34:31.671261
Title: Detection of Line Artefacts in Lung Ultrasound Images of COVID-19 Patients via Non-Convex Regularization
Title（参考訳）: 非凸正規化法によるcovid-19患者の肺超音波画像中の線状アーティファクトの検出
Authors: Oktay Karaku\c{s}, Nantheera Anantrasirichai, Amazigh Aguersif, Stein Silva, Adrian Basarab, Alin Achim
Abstract要約: 新型コロナウイルス患者の肺(LUS)画像における線状アーティファクトの新しい方法を提案する。アーティファクトの定義が非収束であることが知られているラドン領域において、簡単な局所極大検出手法を用いる。 LUS画像における2つの垂直線アーチファクトを正確に同定する。
参考スコア（独自算出の注目度）: 11.564372784782176
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we present a novel method for line artefacts quantification in lung ultrasound (LUS) images of COVID-19 patients. We formulate this as a non-convex regularisation problem involving a sparsity-enforcing, Cauchy-based penalty function, and the inverse Radon transform. We employ a simple local maxima detection technique in the Radon transform domain, associated with known clinical definitions of line artefacts. Despite being non-convex, the proposed technique is guaranteed to convergence through our proposed Cauchy proximal splitting (CPS) method and accurately identifies both horizontal and vertical line artefacts in LUS images. In order to reduce the number of false and missed detection, our method includes a two-stage validation mechanism, which is performed in both Radon and image domains. We evaluate the performance of the proposed method in comparison to the current state-of-the-art B-line identification method and show a considerable performance gain with 87% correctly detected B-lines in LUS images of nine COVID-19 patients. In addition, owing to its fast convergence, our proposed method is readily applicable for processing LUS image sequences.
Abstract（参考訳）: 本稿では,新型コロナウイルス患者の肺超音波(LUS)画像におけるラインアーティファクトの定量化手法を提案する。我々はこれを、空間拡大、コーシーに基づくペナルティ関数、逆ラドン変換を含む非凸正規化問題として定式化する。我々は,ラインアーチファクトの既知臨床定義と関連するRadeon変換領域に,簡易な局所的最大値検出手法を用いた。非凸であるにもかかわらず,提案手法は,提案手法であるコーシー近位分割法 (cps) による収束を保証し,lus画像中の水平線と垂直線の両方のアーティファクトを正確に同定する。誤検出や誤検出を減らすため,ラドン領域と画像領域の両方で2段階検証を行う。提案手法の性能を現状のbライン同定法と比較して評価し,9例のlus画像において87%の精度で検出されたbラインの性能向上を示した。また,その高速収束により,提案手法はLUS画像列の処理にも容易に適用可能である。

関連論文リスト

Rethinking Score Distillation as a Bridge Between Image Distributions [97.27476302077545]
提案手法は, 劣化した画像(ソース)を自然画像分布(ターゲット)に転送することを目的としている。本手法は,複数の領域にまたがって容易に適用可能であり,特殊な手法の性能のマッチングや評価を行うことができる。テキストから2D、テキストベースのNeRF最適化、絵画を実画像に変換すること、光学錯視生成、および3Dスケッチから実画像に変換することにおいて、その実用性を実証する。
論文参考訳（メタデータ） (2024-06-13T17:59:58Z)
Transmission Line Detection Based on Improved Hough Transform [8.243900941694138]
複雑な背景における伝送線路検出に適したHough変換手法を提案する。偽陽性と誤検出の両方を著しく低減し,伝送線路識別の精度を向上した。
論文参考訳（メタデータ） (2024-02-05T06:37:09Z)
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)
Unpaired Optical Coherence Tomography Angiography Image Super-Resolution via Frequency-Aware Inverse-Consistency GAN [6.717440708401628]
本稿では,GANに基づくOCTA画像の非ペア化超解像法を提案する。また,再構成画像の正確なスペクトル化を容易にするため,識別器の周波数認識による逆方向の損失も提案する。実験により,本手法は,他の最先端の未経験手法よりも定量的,視覚的に優れていることが示された。
論文参考訳（メタデータ） (2023-09-29T14:19:51Z)
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)
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)
CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文参考訳（メタデータ） (2021-11-16T15:03:42Z)
Towards Unbiased COVID-19 Lesion Localisation and Segmentation via Weakly Supervised Learning [66.36706284671291]
本研究では,画像レベルラベルのみに監視されたデータ駆動型フレームワークを提案する。このフレームワークは、生成する対向ネットワークと病変特異的デコーダの助けを借りて、原画像から潜在的な病変を明示的に分離することができる。
論文参考訳（メタデータ） (2021-03-01T06:05:49Z)
Label-Free Segmentation of COVID-19 Lesions in Lung CT [17.639558085838583]
ピクセルレベルの異常モデルを用いて,CTで新型コロナウイルスの病変を分類するためのラベルフリーアプローチを提案する。我々のモデリングは、気管と血管の一部が、病変が属する高強度範囲にあり、強いパターンを示すという観察に着想を得たものである。実験では,NormNetの有効性を3つの異なるデータセットで検証した。
論文参考訳（メタデータ） (2020-09-08T12:38:34Z)
PDCOVIDNet: A Parallel-Dilated Convolutional Neural Network Architecture for Detecting COVID-19 from Chest X-Ray Images [1.4824891788575418]
新型コロナウイルスのパンデミックは、世界保健システムの繁栄を著しく損なわれ続けている。胸部X線画像による放射線学的評価は,重要なスクリーニング技術の一つである。胸部X線画像を用いた並列拡散畳み込みニューラルネットワークによる新型コロナウイルス検出システムを提案する。
論文参考訳（メタデータ） (2020-07-29T12:28:16Z)
COVIDLite: A depth-wise separable deep neural network with white balance and CLAHE for detection of COVID-19 [1.1139113832077312]
COVIDLiteは、CLAHE(Contrast Limited Adaptive Histogram Equalization)とDSCNN(Deep-wise Separable Convolutional Neural Network)を組み合わせたホワイトバランスである。提案したCOVIDLite法は,前処理のないバニラDSCNNと比較して性能が向上した。提案手法は,2進分類では99.58%,多進分類では96.43%,最先端手法では96.43%であった。
論文参考訳（メタデータ） (2020-06-19T02:30:34Z)

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。