論文の概要: Standardised convolutional filtering for radiomics

• arxiv url: http://arxiv.org/abs/2006.05470v7
• Date: Mon, 14 Nov 2022 09:06:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 15:29:00.510357
• Title: Standardised convolutional filtering for radiomics
• Title（参考訳）: 放射線用コンボリューションフィルタの標準化
• Authors: Adrien Depeursinge, Vincent Andrearczyk, Philip Whybra, Joost van Griethuysen, Henning M\"uller, Roger Schaer, Martin Valli\`eres, Alex Zwanenburg (for the Image Biomarker Standardisation Initiative)
• Abstract要約: 画像バイオマーカー標準化イニシアチブ(IBSI)は、計算プロセスの標準化によって放射線学研究のバイオマーカーを改善することを目的としている。 放射能における畳み込み画像フィルタを用いた参照マニュアルの予備版について述べる。
• 参考スコア（独自算出の注目度）: 1.1182276120669132
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Image Biomarker Standardisation Initiative (IBSI) aims to improve reproducibility of radiomics studies by standardising the computational process of extracting image biomarkers (features) from images. We have previously established reference values for 169 commonly used features, created a standard radiomics image processing scheme, and developed reporting guidelines for radiomic studies. However, several aspects are not standardised. Here we present a preliminary version of a reference manual on the use of convolutional image filters in radiomics. Filters, such as wavelets or Laplacian of Gaussian filters, play an important part in emphasising specific image characteristics such as edges and blobs. Features derived from filter response maps have been found to be poorly reproducible. This reference manual forms the basis of ongoing work on standardising convolutional filters in radiomics, and will be updated as this work progresses.
• Abstract（参考訳）: 画像バイオマーカー標準化イニシアチブ(IBSI)は、画像から画像バイオマーカー(特徴)を抽出する計算プロセスの標準化により、放射線医学研究の再現性を向上させることを目的としている。 従来,169の一般的な特徴の基準値を定め,標準放射能画像処理スキームを作成し,放射能研究のための報告ガイドラインを開発した。 しかし、いくつかの側面は標準化されていない。 本稿では,ラジオグラフィにおける畳み込み画像フィルタの使用に関するリファレンスマニュアルの予備版について述べる。 ガウスフィルタのウェーブレットやラプラシアンのようなフィルタは、エッジやブロブのような特定の画像特性を強調する上で重要な役割を果たす。 フィルタ応答マップから得られた特徴は再現性が悪いことが判明した。 この基準マニュアルは、放射能における畳み込みフィルタの標準化に関する進行中の作業の基礎を形成し、この作業が進むにつれて更新される。

関連論文リスト

• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• A Data-Driven Gaussian Process Filter for Electrocardiogram Denoising [5.359295206355495]
  提案したGPフィルタをPhyloNet QT Database上の最先端ウェーブレットベースフィルタと比較した。 提案したGPフィルタは, 試験された全てのノイズレベルに対して, ベンチマークフィルタより優れていた。 また、QT間隔推定誤差バイアスと分散の観点から、最先端フィルタよりも優れている。
  論文  参考訳（メタデータ） (2023-01-06T17:09:20Z)
• Panchromatic and Multispectral Image Fusion via Alternating Reverse Filtering Network [23.74842833472348]
  パンシャーペニング(英: Pan-sharpening)とは、空間領域における低分解能(LR)マルチスペクトル(MS)画像の超解像である。 そこで本研究では,パンシャーピングのための簡易かつ効果的なテキスト代替逆フィルタリングネットワークを提案する。
  論文  参考訳（メタデータ） (2022-10-15T03:56:05Z)
• High Dynamic Range Image Quality Assessment Based on Frequency Disparity [78.36555631446448]
  高ダイナミックレンジ(HDR)画像に対する周波数差に基づく画像品質評価(IQA)アルゴリズムを提案する。 提案したLGFMは、最先端HDR IQA法と比較して、主観的知覚との整合性が高い。
  論文  参考訳（メタデータ） (2022-09-06T08:22:13Z)
• Radiomics-Guided Global-Local Transformer for Weakly Supervised Pathology Localization in Chest X-Rays [65.88435151891369]
  Radiomics-Guided Transformer (RGT)は、テキストトグロバル画像情報と、テキストトグロバル情報とを融合する。 RGTは、画像トランスフォーマーブランチ、放射能トランスフォーマーブランチ、および画像と放射線情報を集約する融合層から構成される。
  論文  参考訳（メタデータ） (2022-07-10T06:32:56Z)
• 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)
• Retrieval-based Spatially Adaptive Normalization for Semantic Image Synthesis [68.1281982092765]
  本稿では,Retrieval-based spatially AdaptIve normalization (RESAIL) と呼ばれる新しい正規化モジュールを提案する。 RESAILは、正規化アーキテクチャに対するピクセルレベルのきめ細かいガイダンスを提供する。 いくつかの挑戦的なデータセットの実験により、RESAILは定量的メトリクス、視覚的品質、主観的評価の観点から、最先端技術に対して好意的に機能することが示された。
  論文  参考訳（メタデータ） (2022-04-06T14:21:39Z)
• Cross-Modal Contrastive Learning for Abnormality Classification and Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
  医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。 まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。 放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
  論文  参考訳（メタデータ） (2021-04-11T09:16:29Z)
• Image Inpainting with Learnable Feature Imputation [8.293345261434943]
  正規畳み込み層は、未知の領域にフィルターを適用するのと同じ方法で、塗装された画像の視覚的アーティファクトを引き起こす。 本稿では,欠落した入力値の畳み込みに対する(階層的な)特徴計算を提案する。 我々はCelebA-HQとPlaces2を比較し,そのモデルを検証する。
  論文  参考訳（メタデータ） (2020-11-02T16:05:32Z)

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。