Fugu-MT 論文翻訳(概要): Efficient, high-performance pancreatic segmentation using multi-scale feature extraction

論文の概要: Efficient, high-performance pancreatic segmentation using multi-scale feature extraction

arxiv url: http://arxiv.org/abs/2009.00872v2
Date: Tue, 12 Jan 2021 14:24:18 GMT
ステータス: 処理完了
システム内更新日: 2022-10-22 19:02:44.517028
Title: Efficient, high-performance pancreatic segmentation using multi-scale feature extraction
Title（参考訳）: マルチスケール特徴抽出による高効率膵分節化
Authors: Moritz Knolle (1 and 2), Georgios Kaissis (1 and 2 and 3 and 4), Friederike Jungmann (1), Sebastian Ziegelmayer (1), Daniel Sasse (1), Marcus Makowski (1), Daniel Rueckert (2 and 4), Rickmer Braren (1) ((1) Department of diagnostic and interventional Radiology, Technical University of Munich, Munich, Germany, (2) Institute for Artificial Intelligence and Data Science in Medicine and Healthcare, Technical University of Munich, Munich, Germany, (3) OpenMined Research, (4) Department of Computing, Imperial College London, London, United Kingdom)
Abstract要約: 我々は、高度に最適化されたニューラルネットベースの膵管分割アルゴリズムであるMoNetを提案する。マルチスケール画像特徴量の効率的な利用により,MoNetは高い性能を実現することを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: For artificial intelligence-based image analysis methods to reach clinical applicability, the development of high-performance algorithms is crucial. For example, existent segmentation algorithms based on natural images are neither efficient in their parameter use nor optimized for medical imaging. Here we present MoNet, a highly optimized neural-network-based pancreatic segmentation algorithm focused on achieving high performance by efficient multi-scale image feature utilization.
Abstract（参考訳）: 人工知能を用いた画像解析手法を臨床応用するには, 高性能アルゴリズムの開発が不可欠である。例えば、自然画像に基づく既存のセグメンテーションアルゴリズムは、パラメータの使用において効率的でなく、医用画像に最適化されていない。本稿では,高効率なマルチスケール画像特徴量利用による高性能化に焦点をあてた,高度に最適化されたニューラルネットワークに基づく膵分画アルゴリズムであるmonetを提案する。

関連論文リスト

Advancements in Feature Extraction Recognition of Medical Imaging Systems Through Deep Learning Technique [0.36651088217486427]
高速な画像認識を実現するために,重みに基づく目的関数を提案する。単純なアルゴリズムを用いたしきい値最適化手法を提案する。異なる種類のオブジェクトは互いに独立しており、画像処理においてコンパクトであることがわかった。
論文参考訳（メタデータ） (2024-05-23T04:46:51Z)
Real-Time Image Segmentation via Hybrid Convolutional-Transformer Architecture Search [49.81353382211113]
マルチヘッド自己認識を高分解能表現CNNに効率的に組み込むという課題に対処する。本稿では,高解像度機能の利点をフル活用したマルチターゲットマルチブランチ・スーパーネット手法を提案する。本稿では,Hybrid Convolutional-Transformer Architecture Search (HyCTAS)法を用いて,軽量畳み込み層とメモリ効率のよい自己保持層を最適に組み合わせたモデルを提案する。
論文参考訳（メタデータ） (2024-03-15T15:47:54Z)
Multilayer Multiset Neuronal Networks -- MMNNs [55.2480439325792]
本研究は,2層以上の類似性ニューロンを組み込んだ多層神経回路網について述べる。また,回避すべき画像領域に割り当てられる反プロトタイプ点の利用についても検討した。
論文参考訳（メタデータ） (2023-08-28T12:55:13Z)
LOTUS: Learning to Optimize Task-based US representations [39.81131738128329]
超音波画像における臓器の解剖学的セグメンテーションは多くの臨床応用に不可欠である。既存のディープニューラルネットワークは、臨床的に許容できるパフォーマンスを達成するために、トレーニングのために大量のラベル付きデータを必要とする。本稿では,タスクベース超音速画像表現を最適化する学習手法を提案する。
論文参考訳（メタデータ） (2023-07-29T16:29:39Z)
Two Approaches to Supervised Image Segmentation [55.616364225463066]
本研究は、深層学習とマルチセットニューロンのアプローチの比較実験を開発する。ディープラーニングアプローチは、画像セグメンテーションの実行の可能性を確認した。代替のマルチセット手法では、計算資源をほとんど必要とせずに精度を向上することができた。
論文参考訳（メタデータ） (2023-07-19T16:42:52Z)
Machine learning based biomedical image processing for echocardiographic images [0.0]
提案手法では,K-Nearest Neighbor (KNN) アルゴリズムを用いて医用画像のセグメンテーションを行う。トレーニングされたニューラルネットワークは、エコー画像のグループで正常にテストされている。
論文参考訳（メタデータ） (2023-03-16T06:23:43Z)
Improved Algorithms for Neural Active Learning [74.89097665112621]
非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
論文参考訳（メタデータ） (2022-10-02T05:03:38Z)
Enhanced Transfer Learning Through Medical Imaging and Patient Demographic Data Fusion [0.0]
画像特徴と関連する非画像データとを組み合わせた医療画像データの分類における性能向上について検討した。特徴抽出器として直接使用し,対象領域に微調整を施したImageNetで事前訓練したネットワークを用いた転送学習を利用する。
論文参考訳（メタデータ） (2021-11-29T09:11:52Z)
Searching for Efficient Architecture for Instrument Segmentation in Robotic Surgery [58.63306322525082]
ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
論文参考訳（メタデータ） (2020-07-08T21:38:29Z)
Searching Learning Strategy with Reinforcement Learning for 3D Medical Image Segmentation [15.059891142682117]
本稿では,強化学習を用いた最適学習戦略のための自動探索手法を提案する。提案手法は,3次元医用画像分割の課題に対して有効である。
論文参考訳（メタデータ） (2020-06-10T14:24:06Z)
Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。