論文の概要: The efficiency of deep learning algorithms for detecting anatomical
reference points on radiological images of the head profile
- arxiv url: http://arxiv.org/abs/2005.12110v2
- Date: Thu, 18 Jun 2020 09:12:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-29 06:21:30.216472
- Title: The efficiency of deep learning algorithms for detecting anatomical
reference points on radiological images of the head profile
- Title（参考訳）: 頭部x線画像における解剖学的基準点検出のためのディープラーニングアルゴリズムの有用性
- Authors: Konstantin Dobratulin, Andrey Gaidel, Irina Aupova, Anna Ivleva,
Aleksandr Kapishnikov, Pavel Zelter
- Abstract要約: U-Netニューラルネットワークは、完全な畳み込みニューラルネットワークよりも正確に解剖学的基準点の検出を可能にする。
U-Net ニューラルネットワークによる解剖学的基準点検出の結果は,歯科矯正医のグループによる基準点検出の平均値に近づいた。
- 参考スコア（独自算出の注目度）: 55.41644538483948
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this article we investigate the efficiency of deep learning algorithms in
solving the task of detecting anatomical reference points on radiological
images of the head in lateral projection using a fully convolutional neural
network and a fully convolutional neural network with an extended architecture
for biomedical image segmentation - U-Net. A comparison is made for the results
of detection anatomical reference points for each of the selected neural
network architectures and their comparison with the results obtained when
orthodontists detected anatomical reference points. Based on the obtained
results, it was concluded that a U-Net neural network allows performing the
detection of anatomical reference points more accurately than a fully
convolutional neural network. The results of the detection of anatomical
reference points by the U-Net neural network are closer to the average results
of the detection of reference points by a group of orthodontists.
- Abstract（参考訳）: 本稿では, バイオメディカルイメージセグメンテーションのための拡張アーキテクチャを備えた完全畳み込みニューラルネットワークと完全畳み込みニューラルネットワークを用いて, 左右射影の頭部の解剖学的基準点を検出する作業において, ディープラーニングアルゴリズムの効率性を検討した。
選択したニューラルネットワークアーキテクチャのそれぞれに対する解剖学的基準点の検出結果と、矯正医が解剖学的基準点を検出した結果との比較を行った。
その結果,u-netニューラルネットワークは,完全畳み込みニューラルネットワークよりも解剖学的基準点の検出を高精度に行うことができることがわかった。
U-Net ニューラルネットワークによる解剖学的基準点検出の結果は,歯科矯正医のグループによる基準点検出の平均値に近づいた。
関連論文リスト
- Research on Deep Learning Model of Feature Extraction Based on Convolutional Neural Network [0.32985979395737786]
AlexNetとInceptionV3はより優れた画像認識結果を得るために選択された。
トレーニングされたAlexNetモデルの予測精度、特異性、感度は4.25ポイント向上した。
グラフィックス処理の使用率は、InceptionV3モードと比較して51%減少した。
論文 参考訳（メタデータ） (2024-06-13T06:00:28Z) - Graph Neural Networks for Learning Equivariant Representations of Neural Networks [55.04145324152541]
本稿では,ニューラルネットワークをパラメータの計算グラフとして表現することを提案する。
我々のアプローチは、ニューラルネットワークグラフを多種多様なアーキテクチャでエンコードする単一モデルを可能にする。
本稿では,暗黙的ニューラル表現の分類や編集など,幅広いタスクにおける本手法の有効性を示す。
論文 参考訳（メタデータ） (2024-03-18T18:01:01Z) - TractGeoNet: A geometric deep learning framework for pointwise analysis
of tract microstructure to predict language assessment performance [66.43360974979386]
拡散磁気共鳴画像(dMRI)による回帰処理を行うための幾何学的深層学習フレームワークであるTractGeoNetを提案する。
回帰性能を向上させるために,新しい損失関数 Paired-Siamese Regression Los を提案する。
本手法の有効性を,2つの言語神経心理学的評価に対して予測することで評価した。
論文 参考訳（メタデータ） (2023-07-08T14:10:37Z) - Graph Neural Operators for Classification of Spatial Transcriptomics
Data [1.408706290287121]
マウス脳組織サンプルにおける脳領域の予測に対する神経オペレーターの適用の有効性を検証するために,様々なグラフニューラルネットワークアプローチを取り入れた研究を提案する。
グラフニューラルネットワークのアプローチでは,F1スコアが72%近く向上し,すべてのベースラインやグラフネットワークのアプローチを上回った。
論文 参考訳（メタデータ） (2023-02-01T18:32:06Z) - A Local Geometric Interpretation of Feature Extraction in Deep
Feedforward Neural Networks [13.159994710917022]
本稿では, 深部フィードフォワードニューラルネットワークが高次元データから低次元特徴をいかに抽出するかを理解するための局所幾何学的解析法を提案する。
本研究は, 局所幾何学領域において, ニューラルネットワークの一層における最適重みと前層の最適特徴が, この層のベイズ作用によって決定される行列の低ランク近似を構成することを示す。
論文 参考訳（メタデータ） (2022-02-09T18:50:00Z) - Learning Structures for Deep Neural Networks [99.8331363309895]
我々は,情報理論に根ざし,計算神経科学に発達した効率的な符号化原理を採用することを提案する。
スパース符号化は出力信号のエントロピーを効果的に最大化できることを示す。
公開画像分類データセットを用いた実験により,提案アルゴリズムでスクラッチから学習した構造を用いて,最も優れた専門家設計構造に匹敵する分類精度が得られることを示した。
論文 参考訳（メタデータ） (2021-05-27T12:27:24Z) - Convolutional Neural Networks in Orthodontics: a review [10.334172684650632]
畳み込みニューラルネットワーク(CNN)はコンピュータビジョンの多くの領域で使われている。
このレビューは、歯科の分野の一つにCNNの適用を提示 - 矯正。
論文 参考訳（メタデータ） (2021-04-18T16:02:30Z) - Anomaly Detection on Attributed Networks via Contrastive Self-Supervised
Learning [50.24174211654775]
本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。
このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。
高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
論文 参考訳（メタデータ） (2021-02-27T03:17:20Z) - Topological obstructions in neural networks learning [67.8848058842671]
損失勾配関数フローのグローバル特性について検討する。
損失関数とそのモースコンプレックスの位相データ解析を用いて,損失面の大域的特性と勾配軌道に沿った局所的挙動を関連付ける。
論文 参考訳（メタデータ） (2020-12-31T18:53:25Z) - Expressivity of Deep Neural Networks [2.7909470193274593]
本稿では,ニューラルネットワークの様々な近似結果について概説する。
既存の結果は、一般的なフィードフォワードアーキテクチャのためのものだが、畳み込み、残留、反復するニューラルネットワークの近似結果も記述する。
論文 参考訳（メタデータ） (2020-07-09T13:08:01Z)
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。