Fugu-MT 論文翻訳(概要): hidden markov random fields and cuckoo search method for medical image segmentation

論文の概要: hidden markov random fields and cuckoo search method for medical image segmentation

arxiv url: http://arxiv.org/abs/2005.09377v1
Date: Tue, 19 May 2020 11:54:03 GMT
ステータス: 処理完了
システム内更新日: 2022-12-01 13:48:55.213332
Title: hidden markov random fields and cuckoo search method for medical image segmentation
Title（参考訳）: 隠れマルコフ確率場と医療画像分割のためのカッコウ探索法
Authors: EL-Hachemi Guerrout, Ramdane Mahiou, Dominique Michelucci, Boukabene Randa and Ouali Assia
Abstract要約: Cuckoo Search (CS)アルゴリズムは、最近の自然に触発されたメタヒューリスティックアルゴリズムの1つである。本稿では,3つのカッコウ探索アルゴリズムを用いて,医用画像のセグメンテーションを実現する。
参考スコア（独自算出の注目度）: 0.09786690381850353
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Segmentation of medical images is an essential part in the process of diagnostics. Physicians require an automatic, robust and valid results. Hidden Markov Random Fields (HMRF) provide powerful model. This latter models the segmentation problem as the minimization of an energy function. Cuckoo search (CS) algorithm is one of the recent nature-inspired meta-heuristic algorithms. It has shown its efficiency in many engineering optimization problems. In this paper, we use three cuckoo search algorithm to achieve medical image segmentation.
Abstract（参考訳）: 医療画像のセグメンテーションは診断のプロセスにおいて不可欠な部分である。医師は自動的で堅牢で有効な結果を必要とする。隠れマルコフランダムフィールド(HMRF)は強力なモデルを提供する。この後者はセグメンテーション問題をエネルギー関数の最小化としてモデル化する。 Cuckoo Search (CS)アルゴリズムは、最近の自然に触発されたメタヒューリスティックアルゴリズムの1つである。多くのエンジニアリング最適化問題でその効率が示された。本稿では,3つのcuckoo探索アルゴリズムを用いて医用画像分割を実現する。

関連論文リスト

Medical Image Retrieval via Nearest Neighbor Search on Pre-trained Image Features [15.331765570210479]
Nearest neighbor search (NNS) は、クエリポイントに最も近い高次元空間の点を見つけることを目的としている。本稿では,異種医用画像からの関連画像の検索と検索を行う,効率的かつ効率的なアルゴリズムであるDenseLinkSearchを提案する。我々は提案したNNSアプローチを広範囲に検証し、ベンチマークデータセットと作成した医用画像データセットの最先端NNSアプローチと比較した。
論文参考訳（メタデータ） (2022-10-05T17:21:11Z)
EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文参考訳（メタデータ） (2022-01-13T05:24:40Z)
Segmentation of Brain MRI using an Altruistic Harris Hawks' Optimization algorithm [29.895517914678816]
脳磁気共鳴画像(MRI)の効率的なセグメンテーションは、放射線学者にとって大きな関心事である。 Thresholdingは、画像のヒストグラムを使用して、異なるピクセルの同質なグループを異なるクラスにラベル付けする、セグメンテーションの一般的な方法である。本稿では,進化的メタヒューリスティックを用いたマルチレベルしきい値設定を行う。
論文参考訳（メタデータ） (2021-09-17T17:51:34Z)
Deep Algorithm Unrolling for Biomedical Imaging [99.73317152134028]
本章では,アルゴリズムのアンロールによるバイオメディカル応用とブレークスルーについて概説する。我々はアルゴリズムのアンローリングの起源を辿り、反復アルゴリズムをディープネットワークにアンローリングする方法に関する包括的なチュートリアルを提供する。オープンな課題を議論し、今後の研究方向性を提案することで、この章を締めくくります。
論文参考訳（メタデータ） (2021-08-15T01:06:26Z)
The Medical Segmentation Decathlon [37.44481677534694]
最先端の画像セグメンテーションアルゴリズムは、未確認のタスクで再訓練された場合、成熟し、正確で、一般化される。一連のタスクにおける一貫した良いパフォーマンスは、以前は目に見えないタスクの異なるセットで、彼らの平均的なパフォーマンスを保った。正確なAIセグメンテーションモデルのトレーニングは現在、非AI専門家にコモディティ化されている。
論文参考訳（メタデータ） (2021-06-10T13:34:06Z)
Deep ensembles based on Stochastic Activation Selection for Polyp Segmentation [82.61182037130406]
本研究は,大腸内視鏡検査における画像分割,特に正確なポリープ検出とセグメンテーションを扱う。イメージセグメンテーションの基本アーキテクチャはエンコーダとデコーダで構成されている。我々はデコーダのバックボーンを変更することで得られるDeepLabアーキテクチャのバリエーションを比較した。
論文参考訳（メタデータ） (2021-04-02T02:07:37Z)
CaCL: Class-aware Codebook Learning for Weakly Supervised Segmentation on Diffuse Image Patterns [9.22349617343802]
拡散画像パターンに対する弱教師付き学習を行うために,新しいクラス認識型コードブック学習(CaCL)アルゴリズムを提案する。具体的には、ヒト十二指腸の組織像からブラシ境界領域に発現するタンパク質にCaCLアルゴリズムを配置する。
論文参考訳（メタデータ） (2020-11-02T07:47:10Z)
Weakly-supervised Learning For Catheter Segmentation in 3D Frustum Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文参考訳（メタデータ） (2020-10-19T13:56:22Z)
Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
論文参考訳（メタデータ） (2020-03-23T14:35:08Z)
Region of Interest Identification for Brain Tumors in Magnetic Resonance Images [8.75217589103206]
そこで我々は,腫瘍周辺で最小の境界ボックスを見つけるために,軽量計算量で高速かつ自動化された手法を提案する。この領域は、サブリージョン腫瘍セグメンテーションのトレーニングネットワークにおける前処理ステップとして使用できる。提案手法は BraTS 2015 データセット上で評価され,得られた平均 DICE スコアは 0.73 である。
論文参考訳（メタデータ） (2020-02-26T14:10:40Z)
VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。