論文の概要: A Dataset for Evaluating Blood Detection in Hyperspectral Images
- arxiv url: http://arxiv.org/abs/2008.10254v2
- Date: Wed, 31 Mar 2021 12:02:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 11:59:22.618399
- Title: A Dataset for Evaluating Blood Detection in Hyperspectral Images
- Title（参考訳）: ハイパースペクトル画像における血液検出のためのデータセット
- Authors: Micha{\l} Romaszewski, Przemys{\l}aw G{\l}omb, Arkadiusz Sochan and
Micha{\l} Cholewa
- Abstract要約: このデータセットは、さまざまなレベルの複雑さを持つ複数の検出シナリオで構成されている。
異なる取得環境に関して、機械学習メソッドのパフォーマンスをテストすることができる。
We used hyperspectral target detection algorithm based on the well-known matched Filter detector。
- 参考スコア（独自算出の注目度）: 1.7205106391379026
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The sensitivity of imaging spectroscopy to haemoglobin derivatives makes it a
promising tool for detecting blood. However, due to complexity and high
dimensionality of hyperspectral images, the development of hyperspectral blood
detection algorithms is challenging. To facilitate their development, we
present a new hyperspectral blood detection dataset. This dataset, published in
accordance to open access mandate, consist of multiple detection scenarios with
varying levels of complexity. It allows to test the performance of Machine
Learning methods in relation to different acquisition environments, types of
background, age of blood and presence of other blood-like substances. We
explored the dataset with blood detection experiments. We used hyperspectral
target detection algorithm based on the well-known Matched Filter detector. Our
results and their discussion highlight the challenges of blood detection in
hyperspectral data and form a reference for further works.
- Abstract（参考訳）: ヘモグロビン誘導体に対するイメージング分光の感度は、血液を検出するための有望なツールとなる。
しかし、ハイパースペクトル画像の複雑さと高次元のため、ハイパースペクトル血液検出アルゴリズムの開発は困難である。
その開発を容易にするために,新しいハイパースペクトル血液検出データセットを提案する。
このデータセットはオープンアクセス管理に従って公開され、さまざまなレベルの複雑さを持つ複数の検出シナリオで構成されている。
異なる取得環境、バックグラウンドの種類、血液の年齢、および他の血液のような物質の存在に関連する機械学習手法のパフォーマンスをテストすることができる。
我々は血液検出実験によりデータセットを探索した。
我々は、よく知られたマッチングフィルタ検出器に基づくハイパースペクトル目標検出アルゴリズムを用いた。
以上の結果とそれらの議論は,高スペクトルデータにおける血液検出の課題を強調し,さらなる研究のための基準を形成する。
関連論文リスト
- Unlearnable Examples Detection via Iterative Filtering [84.59070204221366]
ディープニューラルネットワークは、データ中毒攻撃に弱いことが証明されている。
混合データセットから有毒なサンプルを検出することは極めて有益であり、困難である。
UE識別のための反復フィルタリング手法を提案する。
論文 参考訳（メタデータ） (2024-08-15T13:26:13Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - Unsupervised detection of small hyperreflective features in ultrahigh
resolution optical coherence tomography [13.385541184899884]
光コヒーレンストモグラフィーの最近の進歩は、網膜疾患の新たなバイオマーカーとなる可能性がある。
新しい目に見える特徴は、例えば、加齢に伴う黄斑変性における小さな反射スペクトルである。
これらの特徴を3次元ボリュームスキャンで確実に検出する必要がある。
論文 参考訳（メタデータ） (2023-03-26T12:45:42Z) - Unsupervised Cross-Domain Feature Extraction for Single Blood Cell Image
Classification [37.90158669637884]
AutoencoderはR-CNNアーキテクチャをベースにしており、関連する白血球にフォーカスし、画像のアーティファクトを除去することができる。
本研究では,データセットの1つのみで訓練されたオートエンコーダによって抽出されたリッチな特徴により,ランダムな森林分類器は未知のデータセットに対して良好に実行可能であることを示す。
以上の結果から,より複雑な診断・予後タスクにこの教師なしアプローチを適用すれば,高価な専門家ラベルを未確認データに加える必要がなくなる可能性が示唆された。
論文 参考訳（メタデータ） (2022-07-01T15:44:42Z) - OADAT: Experimental and Synthetic Clinical Optoacoustic Data for
Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。
OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。
臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文 参考訳（メタデータ） (2022-06-17T08:11:26Z) - Target-aware Dual Adversarial Learning and a Multi-scenario
Multi-Modality Benchmark to Fuse Infrared and Visible for Object Detection [65.30079184700755]
本研究は、物体検出のために異なるように見える赤外線と可視画像の融合の問題に対処する。
従来のアプローチでは、2つのモダリティの根底にある共通点を発見し、反復最適化またはディープネットワークによって共通空間に融合する。
本稿では、融合と検出の連立問題に対する二段階最適化の定式化を提案し、その後、核融合と一般的に使用される検出ネットワークのためのターゲット認識デュアル逆学習(TarDAL)ネットワークに展開する。
論文 参考訳（メタデータ） (2022-03-30T11:44:56Z) - Deep CNNs for Peripheral Blood Cell Classification [0.0]
我々は、顕微鏡的末梢血細胞画像データセットに基づいて、27の人気の深層畳み込みニューラルネットワークアーキテクチャをベンチマークした。
血液細胞分類のためのImageNetデータセットに事前トレーニングされた最先端画像分類モデルを微調整する。
論文 参考訳（メタデータ） (2021-10-18T17:56:07Z) - Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。
これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
論文 参考訳（メタデータ） (2021-09-21T16:18:45Z) - Multi-Class Classification of Blood Cells -- End to End Computer Vision
based diagnosis case study [0.0]
我々は,外輪郭,色の形態的特徴から,白血球分類の問題に取り組む。
我々は、最小時間複雑さと低リソース要求でロバストなアルゴリズムを特定するために、多くのアルゴリズムを探求したい。
論文 参考訳（メタデータ） (2021-06-23T17:18:19Z) - The Deep Radial Basis Function Data Descriptor (D-RBFDD) Network: A
One-Class Neural Network for Anomaly Detection [7.906608953906889]
異常検出は機械学習において難しい問題である。
放射状基底関数データ記述子(rbfdd)ネットワークは異常検出に有効なソリューションである。
本稿では,RBFDDネットワークを改良して深層一級分類器に変換する手法について検討する。
論文 参考訳（メタデータ） (2021-01-29T15:15:17Z) - Black-box Explanation of Object Detectors via Saliency Maps [66.745167677293]
対象検出器の予測のための視覚的説明を生成するD-RISEを提案する。
本稿では, YOLOv3などの1段検出器やFaster-RCNNのような2段検出器など, 異なる対象検出器に容易にD-RISEを適用可能であることを示す。
論文 参考訳（メタデータ） (2020-06-05T02:13:35Z)
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。