Fugu-MT 論文翻訳(概要): Automatic semantic segmentation for prediction of tuberculosis using lens-free microscopy images

論文の概要: Automatic semantic segmentation for prediction of tuberculosis using lens-free microscopy images

arxiv url: http://arxiv.org/abs/2007.02482v1
Date: Mon, 6 Jul 2020 00:36:44 GMT
ステータス: 処理完了
システム内更新日: 2022-11-13 03:04:18.661265
Title: Automatic semantic segmentation for prediction of tuberculosis using lens-free microscopy images
Title（参考訳）: レンズレス顕微鏡画像を用いた結核予測のためのセマンティックセグメンテーション
Authors: Dennis N\'u\~nez-Fern\'andez, Lamberto Ballan, Gabriel Jim\'enez-Avalos, Jorge Coronel, Mirko Zimic
Abstract要約: 本研究はMODS法により結核の診断を容易かつ自動化することを目的としている。収集したデータセットにU-Netネットワークを用い,結核の予測にTBコードの自動セグメンテーションを行う。
参考スコア（独自算出の注目度）: 1.4190701053683017
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Tuberculosis (TB), caused by a germ called Mycobacterium tuberculosis, is one of the most serious public health problems in Peru and the world. The development of this project seeks to facilitate and automate the diagnosis of tuberculosis by the MODS method and using lens-free microscopy, due they are easier to calibrate and easier to use (by untrained personnel) in comparison with lens microscopy. Thus, we employ a U-Net network in our collected dataset to perform the automatic segmentation of the TB cords in order to predict tuberculosis. Our initial results show promising evidence for automatic segmentation of TB cords.
Abstract（参考訳）: Mycobacterium tuberculosis(Mycobacterium tuberculosis、結核菌)は、ペルーと世界中で最も深刻な公衆衛生問題の一つである。このプロジェクトの開発は、mods法とレンズレス顕微鏡を用いて結核の診断を容易にし、自動化することを目的としている。そこで,収集したデータセットにu-netネットワークを用いてtbコードの自動分割を行い,結核の予測を行った。最初の結果はtbコードの自動分割に有望な証拠を示している。

関連論文リスト

Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文参考訳（メタデータ） (2023-10-16T13:58:53Z)
Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文参考訳（メタデータ） (2023-07-06T08:27:48Z)
Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection Segmentation System [69.40329819373954]
新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
論文参考訳（メタデータ） (2022-09-07T05:01:38Z)
Design to automate the detection and counting of Tuberculosis(TB) bacilli [0.0]
世界保健機関(WHO)は結核の早期診断に標準的な顕微鏡検査を推奨している。顕微鏡で、技術者は、どんなTBバシリの存在でも、スミアの視野(FOV)を調べる。結核菌の検出のためのコンピュータ支援システムを提案し, 感度と特異性の向上を図った。
論文参考訳（メタデータ） (2021-05-24T17:41:39Z)
TB-Net: A Tailored, Self-Attention Deep Convolutional Neural Network Design for Detection of Tuberculosis Cases from Chest X-ray Images [66.93350009086132]
結核は世界的な健康問題であり、感染症による死亡の主な原因です。リソース制限シナリオで使用する人工知能ベースのTBスクリーニングソリューションに大きな関心が寄せられています。 TBケーススクリーニングに適した自己意識型ディープ畳み込みニューラルネットワークTB-Netについて紹介します。
論文参考訳（メタデータ） (2021-04-06T14:09:05Z)
Prediction of Tuberculosis using U-Net and segmentation techniques [2.1396905301368574]
本研究の目的は、MODS法およびレンズレス顕微鏡を用いて結核の診断を容易かつ自動化することである。収集したデータセットにu-netネットワークを用い,コード形状細菌集積の自動セグメント化を行い,結核の予測を行った。
論文参考訳（メタデータ） (2021-04-02T14:35:00Z)
COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
論文参考訳（メタデータ） (2020-09-08T15:49:55Z)
Using Capsule Neural Network to predict Tuberculosis in lens-free microscopic images [1.4190701053683017]
本研究は,MODS法および無レンズ顕微鏡による結核の予測を容易かつ自動化することを目的としている。収集したデータセットにCapsNetアーキテクチャを使用し、従来のCNNアーキテクチャよりも精度が高いことを示す。
論文参考訳（メタデータ） (2020-07-05T22:18:13Z)
Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文参考訳（メタデータ） (2020-04-22T07:30:56Z)
Segmentation of Cellular Patterns in Confocal Images of Melanocytic Lesions in vivo via a Multiscale Encoder-Decoder Network (MED-Net) [2.0487455621441377]
マルチスケールデコーダネットワーク(MED-Net)は,パターンのクラスに定量的なラベル付けを行う。メラノサイト病変の117個の反射共焦点顕微鏡(RCM)モザイクの非重畳分割について,本モデルを訓練・試験した。
論文参考訳（メタデータ） (2020-01-03T22:34:52Z)

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。