論文の概要: Deep learning for photoacoustic imaging: a survey
- arxiv url: http://arxiv.org/abs/2008.04221v4
- Date: Wed, 2 Dec 2020 02:02:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-31 23:34:11.262293
- Title: Deep learning for photoacoustic imaging: a survey
- Title(参考訳): 光音響イメージングのためのディープラーニング:サーベイ
- Authors: Changchun Yang, Hengrong Lan, Feng Gao, and Fei Gao
- Abstract要約: 深層人工知能ニューラルネットワークは、2009年に確立された他の成熟モデルを上回っ始めた。
ディープニューラルネットワークは、医療画像技術、医療データ分析、医療診断、その他の医療問題において大きな可能性を秘めている。
このレビューの目的は3つある: (i) 深層学習をいくつかの重要な基礎で導入すること、 (ii) 深層学習を光音響画像の生態的連鎖全体に適用する最近の研究、(iii) 画像再構成から疾患診断まで、そして (iii) 深層学習を光音響画像に適用することに興味のある研究者にいくつかのオープンソース資料やその他のリソースを提供することである。
- 参考スコア(独自算出の注目度): 4.877447414423669
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine learning has been developed dramatically and witnessed a lot of
applications in various fields over the past few years. This boom originated in
2009, when a new model emerged, that is, the deep artificial neural network,
which began to surpass other established mature models on some important
benchmarks. Later, it was widely used in academia and industry. Ranging from
image analysis to natural language processing, it fully exerted its magic and
now become the state-of-the-art machine learning models. Deep neural networks
have great potential in medical imaging technology, medical data analysis,
medical diagnosis and other healthcare issues, and is promoted in both
pre-clinical and even clinical stages. In this review, we performed an overview
of some new developments and challenges in the application of machine learning
to medical image analysis, with a special focus on deep learning in
photoacoustic imaging. The aim of this review is threefold: (i) introducing
deep learning with some important basics, (ii) reviewing recent works that
apply deep learning in the entire ecological chain of photoacoustic imaging,
from image reconstruction to disease diagnosis, (iii) providing some open
source materials and other resources for researchers interested in applying
deep learning to photoacoustic imaging.
- Abstract(参考訳): 機械学習は劇的に発展し、過去数年間に様々な分野で多くの応用が見られた。
このブームは2009年に新しいモデル、すなわちディープニューラルネットワークが登場し、いくつかの重要なベンチマークで確立された成熟したモデルを超えた。
その後、学界や産業界で広く用いられた。
画像分析から自然言語処理まで、その魔法を完全に発揮し、現在最先端の機械学習モデルとなっている。
深層ニューラルネットワークは、医療画像技術、医療データ分析、医療診断、その他の医療問題において大きな可能性を秘めており、臨床前段階と臨床段階の両方で促進されている。
本稿では,医用画像解析への機械学習の適用における新たな展開と課題について概説し,特に光音響イメージングにおける深層学習に焦点を当てた。
このレビューの目的は3つある。
(i)深層学習を重要な基礎で導入すること。
(ii)画像再構成から疾患診断まで,光音響イメージングの生態連鎖全体にディープラーニングを適用した最近の研究のレビュー
三 深層学習を光音響画像に適用することに関心のある研究者にオープンソース資料その他の資源を提供すること。
関連論文リスト
- A novel approach towards the classification of Bone Fracture from Musculoskeletal Radiography images using Attention Based Transfer Learning [0.0]
我々は,X線スキャンで骨骨折を検出するために,注意に基づく移動学習モデルを構築した。
本モデルでは, フラクチャー分類の90%以上を最先端の精度で達成する。
論文 参考訳(メタデータ) (2024-10-18T19:07:24Z) - Deep Learning Applications in Medical Image Analysis: Advancements, Challenges, and Future Directions [0.0]
人工知能のサブセットであるディープラーニングの最近の進歩は、医療画像の分析に大きな革命をもたらした。
CNNは多次元医用画像から自律的に学習する能力に顕著な能力を示した。
これらのモデルは、病理学、放射線学、眼科、心臓学など、様々な医学分野に利用されてきた。
論文 参考訳(メタデータ) (2024-10-18T02:57:14Z) - Autoregressive Sequence Modeling for 3D Medical Image Representation [48.706230961589924]
本稿では, 自己回帰シーケンス事前学習フレームワークを用いて, 3次元医用画像表現を学習するための先駆的手法を提案する。
我々は,空間的,コントラスト的,意味的相関に基づく様々な3次元医用画像にアプローチし,トークンシーケンス内の相互接続された視覚トークンとして扱う。
論文 参考訳(メタデータ) (2024-09-13T10:19:10Z) - Exploring the Power of Generative Deep Learning for Image-to-Image
Translation and MRI Reconstruction: A Cross-Domain Review [0.0]
本研究は,自然画像領域と医用画像領域における画像から画像への変換と再構成に使用される深層学習手法について分析する。
自然コンピュータビジョンの分野では、様々なディープラーニング生成モデルの開発と拡張について検討する。
本稿では, 医用画像翻訳, MRI再構成, マルチコントラストMRI合成などの医療画像生成問題に対する深層学習の可能性について検討する。
論文 参考訳(メタデータ) (2023-03-16T00:56:30Z) - A Trustworthy Framework for Medical Image Analysis with Deep Learning [71.48204494889505]
TRUDLMIAは医用画像解析のための信頼できるディープラーニングフレームワークである。
新型コロナウイルス(COVID-19)などの公衆衛生危機への対応に深層学習の活用を推進していくため、研究者や臨床医を支援することが期待されている。
論文 参考訳(メタデータ) (2022-12-06T05:30:22Z) - Computer Vision on X-ray Data in Industrial Production and Security
Applications: A survey [89.45221564651145]
本稿では,コンピュータビジョンと機械学習を用いた産業生産およびセキュリティアプリケーションにおけるX線分析に関する最近の研究をレビューする。
公開されているデータセット上でのアプリケーション、テクニック、評価メトリクス、データセット、それらのテクニックのパフォーマンス比較をカバーしている。
論文 参考訳(メタデータ) (2022-11-10T13:37:36Z) - Neural Fields in Visual Computing and Beyond [54.950885364735804]
機械学習の最近の進歩は、座標ベースニューラルネットワークを用いた視覚コンピューティング問題の解決への関心が高まっている。
ニューラルネットワークは、3D形状と画像の合成、人体のアニメーション、3D再構成、ポーズ推定に成功している。
本報告は、文脈、数学的基礎、および、ニューラルネットワークに関する文献の広範なレビューを提供する。
論文 参考訳(メタデータ) (2021-11-22T18:57:51Z) - Recent advances and clinical applications of deep learning in medical
image analysis [7.132678647070632]
我々は最近200以上の論文をレビュー・要約し、様々な医用画像解析タスクにおける深層学習手法の適用の概要を概観した。
特に,医用画像における最先端の非教師あり半教師あり深層学習の進歩と貢献を強調した。
論文 参考訳(メタデータ) (2021-05-27T18:05:12Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳(メタデータ) (2020-10-09T14:39:27Z) - A review of deep learning in medical imaging: Imaging traits, technology
trends, case studies with progress highlights, and future promises [27.16172003905426]
医用画像の特徴を最初に提示し,臨床ニーズと医用画像の技術的課題の両方を強調した。
次に, デジタル診断, 胸部, 脳, 心血管, 腹部画像検査など, 臨床現場で一般的に見られるいくつかの症例について報告する。
論文 参考訳(メタデータ) (2020-08-02T14:26:13Z) - Image Segmentation Using Deep Learning: A Survey [58.37211170954998]
イメージセグメンテーションは、画像処理とコンピュータビジョンにおいて重要なトピックである。
深層学習モデルを用いた画像セグメンテーション手法の開発を目的とした研究が,これまでに数多く行われている。
論文 参考訳(メタデータ) (2020-01-15T21:37:47Z)
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。