論文の概要: Secure 3D medical Imaging
- arxiv url: http://arxiv.org/abs/2010.03367v1
- Date: Tue, 6 Oct 2020 07:21:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-10 06:19:40.185528
- Title: Secure 3D medical Imaging
- Title（参考訳）: 安全な3次元医用イメージング
- Authors: Shadi Al-Zu'bi
- Abstract要約: 本稿では,複数の分散マシン間で3次元分割処理を分割する新しいシステムを提案する。
分散マルチメディアネットワークセグメンテーションの背景にある概念は、セグメンテーションの計算時間を高速化するために用いられた。
提案システムは,セグメンテーション精度,セキュリティ,実行時間の観点から,最先端の手法に匹敵する効率である。
- 参考スコア（独自算出の注目度）: 2.5813590940936977
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image segmentation has proved its importance and plays an important role in
various domains such as health systems and satellite-oriented military
applications. In this context, accuracy, image quality, and execution time deem
to be the major issues to always consider. Although many techniques have been
applied, and their experimental results have shown appealing achievements for
2D images in real-time environments, however, there is a lack of works about 3D
image segmentation despite its importance in improving segmentation accuracy.
Specifically, HMM was used in this domain. However, it suffers from the time
complexity, which was updated using different accelerators. As it is important
to have efficient 3D image segmentation, we propose in this paper a novel
system for partitioning the 3D segmentation process across several distributed
machines. The concepts behind distributed multi-media network segmentation were
employed to accelerate the segmentation computational time of training Hidden
Markov Model (HMMs). Furthermore, a secure transmission has been considered in
this distributed environment and various bidirectional multimedia security
algorithms have been applied. The contribution of this work lies in providing
an efficient and secure algorithm for 3D image segmentation. Through a number
of extensive experiments, it was proved that our proposed system is of
comparable efficiency to the state of art methods in terms of segmentation
accuracy, security and execution time.
- Abstract（参考訳）: 画像セグメンテーションは、その重要性を証明し、健康システムや衛星指向軍事用途など、様々な領域で重要な役割を果たしている。
この文脈では、精度、画質、実行時間が常に考慮すべき主要な問題であると考えています。
多くの技術が適用され、実験結果からリアルタイム環境における2次元画像の魅力が示されたが、分割精度の向上が重要であるにもかかわらず、3次元画像のセグメンテーションに関する研究は乏しい。
具体的には、この領域でHMMが使われた。
しかし、異なるアクセラレータを使用して更新された時間の複雑さに苦しむ。
本稿では,効率的な3次元画像分割を行うことが重要であるため,複数の分散マシン間で3次元画像分割プロセスを分割する新しいシステムを提案する。
分散マルチメディアネットワークセグメンテーションの背景にある概念は、HMM(Hidden Markov Model)訓練のセグメンテーション計算時間を高速化するために用いられた。
さらに、この分散環境ではセキュアな送信が検討され、様々な双方向マルチメディアセキュリティアルゴリズムが適用されている。
この研究の貢献は、3D画像セグメンテーションのための効率的でセキュアなアルゴリズムを提供することにある。
多くの実験を通じて,本システムの有効性は,セグメンテーションの精度,セキュリティ,実行時間に匹敵するものであることが実証された。
関連論文リスト
- Denoising Diffusions in Latent Space for Medical Image Segmentation [14.545920180010201]
拡散モデル(DPM)は画像生成において顕著な性能を示しており、しばしば他の生成モデルよりも優れている。
医用画像セグメンテーションのための潜在空間で拡散する新しい条件生成モデリングフレームワーク(LDSeg)を提案する。
論文 参考訳（メタデータ） (2024-07-17T18:44:38Z) - HENet: Hybrid Encoding for End-to-end Multi-task 3D Perception from Multi-view Cameras [45.739224968302565]
本稿では,マルチタスク3次元知覚のためのHENetというエンドツーエンドフレームワークを提案する。
具体的には,短期フレーム用大画像エンコーダと長期フレーム用小画像エンコーダを用いたハイブリッド画像エンコーダを提案する。
各認識タスクの特徴により、異なるグリッドサイズのBEV機能、独立したBEVエンコーダ、タスクデコーダを異なるタスクに活用する。
論文 参考訳（メタデータ） (2024-04-03T07:10:18Z) - 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) - PCDAL: A Perturbation Consistency-Driven Active Learning Approach for
Medical Image Segmentation and Classification [12.560273908522714]
監視された学習は、医用画像のアプリケーションを取得するのに費用がかかり、時間がかかり、実用的でない、大規模な注釈付きデータに大きく依存している。
アクティブラーニング(AL)手法は、アノテーションのコストを削減するために、自然な画像分類タスクに広く応用されている。
本稿では,2次元医用画像分類,セグメンテーション,および3次元医用画像分割タスクに同時に適用可能なALベースの手法を提案する。
論文 参考訳（メタデータ） (2023-06-29T13:11:46Z) - SeMLaPS: Real-time Semantic Mapping with Latent Prior Networks and
Quasi-Planar Segmentation [53.83313235792596]
本稿では,RGB-Dシーケンスからのリアルタイム意味マッピングのための新しい手法を提案する。
2DニューラルネットワークとSLAMシステムに基づく3Dネットワークと3D占有マッピングを組み合わせる。
本システムは,2D-3Dネットワークベースシステムにおいて,最先端のセマンティックマッピング品質を実現する。
論文 参考訳（メタデータ） (2023-06-28T22:36:44Z) - Self-Supervised Correction Learning for Semi-Supervised Biomedical Image
Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。
共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。
異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文 参考訳（メタデータ） (2023-01-12T08:19:46Z) - UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。
我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。
Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
論文 参考訳（メタデータ） (2022-12-08T18:59:57Z) - Multi-organ Segmentation Network with Adversarial Performance Validator [10.775440368500416]
本稿では,2次元から3次元のセグメンテーションフレームワークに対向的な性能検証ネットワークを導入する。
提案したネットワークは, 2次元粗い結果から3次元高品質なセグメンテーションマスクへの変換を行い, 共同最適化によりセグメンテーション精度が向上する。
NIH膵分節データセットの実験では、提案したネットワークが小臓器分節の最先端の精度を達成し、過去の最高性能を上回った。
論文 参考訳（メタデータ） (2022-04-16T18:00:29Z) - AF$_2$: Adaptive Focus Framework for Aerial Imagery Segmentation [86.44683367028914]
航空画像のセグメンテーションにはいくつかの独特な課題があり、中でも最も重要なものは前景と背景のアンバランスにある。
本稿では,階層的なセグメンテーション手法を採用し,マルチスケール表現を適応的に活用するAdaptive Focus Framework (AF$)を提案する。
AF$は、広く使われている3つの航空ベンチマークの精度を大幅に改善した。
論文 参考訳（メタデータ） (2022-02-18T10:14:45Z) - A Survey on Deep Learning Methods for Semantic Image Segmentation in
Real-Time [0.0]
ロボット工学や自動運転車など、多くの分野において、セマンティックイメージのセグメンテーションが不可欠である。
診断と治療の成功は、検討中のデータの極めて正確な理解に依存している。
近年のディープラーニングの進歩は、この問題に効果的かつ高精度に対処するためのツールを多数提供してきた。
論文 参考訳（メタデータ） (2020-09-27T20:30:10Z) - Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。
本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。
結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
論文 参考訳（メタデータ） (2020-03-23T14:35:08Z)
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。