論文の概要: An Encoder-Decoder CNN for Hair Removal in Dermoscopic Images

• arxiv url: http://arxiv.org/abs/2010.05013v1
• Date: Sat, 10 Oct 2020 14:28:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 22:36:34.921521
• Title: An Encoder-Decoder CNN for Hair Removal in Dermoscopic Images
• Title（参考訳）: 皮膚鏡像における毛髪除去のためのエンコーダデコーダcnn
• Authors: Lidia Talavera-Mart\'inez, Pedro Bibiloni, Manuel Gonz\'alez-Hidalgo
• Abstract要約: 皮膚内視鏡画像における毛髪除去のための畳み込みニューラルネットワークに基づくモデルを提案する。 既知のデータセットから抽出した無毛画像中の皮膚毛の存在をシミュレートする。
• 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: The process of removing occluding hair has a relevant role in the early and accurate diagnosis of skin cancer. It consists of detecting hairs and restore the texture below them, which is sporadically occluded. In this work, we present a model based on convolutional neural networks for hair removal in dermoscopic images. During the network's training, we use a combined loss function to improve the restoration ability of the proposed model. In order to train the CNN and to quantitatively validate their performance, we simulate the presence of skin hair in hairless images extracted from publicly known datasets such as the PH2, dermquest, dermis, EDRA2002, and the ISIC Data Archive. As far as we know, there is no other hair removal method based on deep learning. Thus, we compare our results with six state-of-the-art algorithms based on traditional computer vision techniques by means of similarity measures that compare the reference hairless image and the one with hair simulated. Finally, a statistical test is used to compare the methods. Both qualitative and quantitative results demonstrate the effectiveness of our network.
• Abstract（参考訳）: 除毛プロセスは皮膚がんの早期かつ正確な診断において重要な役割を担っている。 毛髪を検出し、その下のテクスチャを復元し、散発的に吸う。 本研究では,畳み込みニューラルネットワークを用いた皮膚鏡像の毛髪除去モデルを提案する。 ネットワークのトレーニング中,提案モデルの復元能力を向上させるために,複合損失関数を用いた。 CNNを訓練し,その性能を定量的に評価するために, PH2, dermquest, dermis, EDRA2002, ISIC Data Archiveなどの一般のデータセットから抽出した無毛画像中の皮膚毛の存在をシミュレートした。 我々の知る限りでは、深層学習に基づく他の毛髪除去方法はない。 そこで,本研究では,従来のコンピュータビジョン技術に基づく6つの最先端アルゴリズムを,基準ヘアレス画像と模擬ヘアレス画像とを比較する類似度尺度を用いて比較した。 最後に、統計的テストを用いて手法を比較する。 定性的かつ定量的な結果は,ネットワークの有効性を示すものである。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Convolutional Neural Networks Towards Facial Skin Lesions Detection [0.0]
  本研究は,顔画像の点滅や皮膚病変の検出を容易にするモデルを提供することで貢献する。 提案手法は, 簡単なアーキテクチャ, 高速, 画像処理に適するといった利点を提供する。
  論文  参考訳（メタデータ） (2024-02-13T16:52:10Z)
• HairStep: Transfer Synthetic to Real Using Strand and Depth Maps for Single-View 3D Hair Modeling [55.57803336895614]
  学習型単一視点3Dヘアモデリングの課題に対処する。 まず, ストランドマップと深度マップからなる新しい中間表現をHairStepと呼ぶ。 HairStepは正確な3Dヘアモデリングに十分な情報を提供するだけでなく、実際の画像から推測できる。
  論文  参考訳（メタデータ） (2023-03-05T15:28:13Z)
• Hair and Scalp Disease Detection using Machine Learning and Image Processing [0.0]
  約8000万人のアメリカ人が、老化、ストレス、薬物、遺伝性化粧などによる毛髪の喪失に悩まされている。 深層学習による髪の喪失と頭皮関連疾患 (alopecia, psoriasis, folliculitis) の予測に成功している。
  論文  参考訳（メタデータ） (2022-12-31T04:45:45Z)
• Towards Better Dermoscopic Image Feature Representation Learning for Melanoma Classification [25.525492490284293]
  皮膚内視鏡画像を用いた深層学習によるメラノーマ分類は,近年,早期メラノーマの自動診断において大きな可能性を秘めている。 本研究では, 病変の特徴の表現学習を改善するために, それぞれ課題を解決しようと試みる。 具体的には、GANベースのデータ拡張(GDA)戦略を用いて、提案した暗黙のヘアデノイング(IHD)戦略とともに、合成メラノーマ陽性画像を生成する。 IHDモジュールをトレーニングするために、毛髪ノイズはISIC 2020データセットにラベル付けされ、毛髪のようなアーティファクトのアノテーションを付加した最初の大規模な皮膚内視鏡データセットとなる。
  論文  参考訳（メタデータ） (2022-07-15T06:07:11Z)
• Classification of EEG Motor Imagery Using Deep Learning for Brain-Computer Interface Systems [79.58173794910631]
  トレーニングされたT1クラス畳み込みニューラルネットワーク(CNN)モデルを使用して、運動画像の識別を成功させる能力を調べる。 理論的には、モデルが正確にトレーニングされた場合、クラスを特定し、それに従ってラベル付けすることが可能になる。 CNNモデルは復元され、より小さなサンプルデータを使用して同じ種類の運動画像データを特定するために使用される。
  論文  参考訳（メタデータ） (2022-05-31T17:09:46Z)
• Prune and distill: similar reformatting of image information along rat visual cortex and deep neural networks [61.60177890353585]
  深部畳み込み神経ネットワーク(CNN)は、脳の機能的類似、視覚野の腹側流の優れたモデルを提供することが示されている。 ここでは、CNNまたは視覚野の内部表現で知られているいくつかの顕著な統計的パターンについて考察する。 我々は、CNNと視覚野が、オブジェクト表現の次元展開/縮小と画像情報の再構成と、同様の密接な関係を持っていることを示す。
  論文  参考訳（メタデータ） (2022-05-27T08:06:40Z)
• Classification of Skin Cancer Images using Convolutional Neural Networks [0.0]
  皮膚がんは最も一般的なヒト悪性腫瘍である。 ディープニューラルネットワークは、画像分類の謙虚な可能性を示している。 最も高いモデル精度は86.65%以上である。
  論文  参考訳（メタデータ） (2022-02-01T17:11:41Z)
• 3D Convolutional Neural Networks for Stalled Brain Capillary Detection [72.21315180830733]
  脳毛細血管の血流停止などの脳血管障害は、アルツハイマー病の認知機能低下と病態形成と関連している。 本稿では,3次元畳み込みニューラルネットワークを用いた脳画像中の毛細血管の自動検出のための深層学習に基づくアプローチについて述べる。 本手法は,他の手法よりも優れ,0.85マシューズ相関係数,85%感度,99.3%特異性を達成した。
  論文  参考訳（メタデータ） (2021-04-04T20:30:14Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Advanced Deep Learning Methodologies for Skin Cancer Classification in Prodromal Stages [0.3058685580689604]
  提案した研究は2つの主要なフェーズから構成される。 第1フェーズでは、画像が前処理され、クラッタが除去され、訓練画像の洗練されたバージョンが生成される。 実験の結果,両ネットワークの精細化版を用いて,列車および検証精度の顕著な向上を示した。 アートインセプション-v3ネットワークを用いた最終テスト精度は86%であった。
  論文  参考訳（メタデータ） (2020-03-13T16:07:00Z)

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。