論文の概要: A Digital Image Processing Approach for Hepatic Diseases Staging based on the Glisson's Capsule

• arxiv url: http://arxiv.org/abs/2011.08513v1
• Date: Tue, 17 Nov 2020 09:05:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-24 17:22:35.876421
• Title: A Digital Image Processing Approach for Hepatic Diseases Staging based on the Glisson's Capsule
• Title（参考訳）: グリッソンカプセルを用いた肝疾患ステージングのためのディジタル画像処理手法
• Authors: Marco Trombini, Paolo Borro, Sebastiano Ziola, Silvana Dellepiane
• Abstract要約: 本稿では,肝臓の超音波像について検討し,Glissonカプセルが見える臓器の特定の部位に焦点を当てた。 超音波画像では、グリソンのカプセルは古典的な方法で抽出できるラインの形に現れる。 この研究の範囲は、大きな情報的ポテンシャルがグリソンのカプセル表面の滑らかさに依存するという考え方に証拠を与えることである。
• 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: Due to the need for quick and effective treatments for liver diseases, which are among the most common health problems in the world, staging fibrosis through non-invasive and economic methods has become of great importance. Taking inspiration from diagnostic laparoscopy, used in the past for hepatic diseases, in this paper ultrasound images of the liver are studied, focusing on a specific region of the organ where the Glisson's capsule is visible. In ultrasound images, the Glisson's capsule appears in the shape of a line which can be extracted via classical methods in literature. By making use of a combination of standard image processing techniques and Convolutional Neural Network approaches, the scope of this work is to give evidence to the idea that a great informative potential relies on smoothness of the Glisson's capsule surface. To this purpose, several classifiers are taken into consideration, which deal with different type of data, namely ultrasound images, binary images depicting the Glisson's line, and features vector extracted from the original image. This is a preliminary study that has been retrospectively conducted, based on the results of the elastosonography examination.
• Abstract（参考訳）: 世界で最も一般的な健康問題である肝疾患の迅速かつ効果的な治療の必要性から、非侵襲的かつ経済的な方法で線維化を進行させることが非常に重要である。 本報告では,過去に肝疾患に用いられていた診断用腹腔鏡のインスピレーションを得て,Glissonのカプセルが見える臓器の特定の部位に焦点をあてて,肝の超音波像について検討する。 超音波画像では、グリッソンのカプセルは古典的な方法で文学的に抽出できる線の形に現れる。 標準的な画像処理技術と畳み込みニューラルネットワークのアプローチを組み合わせることで、この研究のスコープは、大きな情報的ポテンシャルがグリソンのカプセル表面の滑らかさに依存するという考え方に証拠を与えることである。 この目的のために、超音波画像、グリッソン線を描いたバイナリ画像、原画像から抽出されたベクトルなどの異なる種類のデータを扱ういくつかの分類器が検討されている。 本研究は,elistosonography検査の結果をもとに,遡及的に実施した予備的研究である。

関連論文リスト

• Uterine Ultrasound Image Captioning Using Deep Learning Techniques [0.0]
  本稿では,深層学習を用いた医用画像キャプションについて検討し,特に子宮内超音波画像に焦点を当てた。 我々の研究は、タイムリーで正確な診断を行う医療専門家を支援することを目的としており、最終的には患者ケアの改善に寄与する。
  論文  参考訳（メタデータ） (2024-11-21T11:41:42Z)
• OCTDL: Optical Coherence Tomography Dataset for Image-Based Deep Learning Methods [34.13887472397715]
  本研究は,2000枚以上の OCT 画像からなるオープンアクセス型 OCT データセット (OCTDL) を提案する。 このデータセットは、加齢関連黄斑変性症(AMD)、糖尿病黄斑浮腫(DME)、網膜膜(ERM)、網膜動脈閉塞症(RAO)、網膜静脈閉塞症(RVO)、およびVID(Vitreomacular Interface Disease)患者のOCT記録からなる。
  論文  参考訳（メタデータ） (2023-12-13T16:18:40Z)
• Breast Ultrasound Report Generation using LangChain [58.07183284468881]
  本稿では,Large Language Models (LLM) を用いたLangChainによる複数の画像解析ツールを胸部報告プロセスに統合することを提案する。 本手法は,超音波画像から関連する特徴を正確に抽出し,臨床的文脈で解釈し,包括的で標準化された報告を生成する。
  論文  参考訳（メタデータ） (2023-12-05T00:28:26Z)
• Automatic nodule identification and differentiation in ultrasound videos to facilitate per-nodule examination [12.75726717324889]
  ソノグラフィーは通常、結節の特徴と周囲の構造を調べることによって異なる結節を識別する。 我々は,入力ビデオクリップから特徴ベクトルを抽出できるディープラーニングモデルに基づく抽出器と,結節によって特徴ベクトルを自動的にグループ化するリアルタイムクラスタリングアルゴリズムの2つの部分からなる再同定システムを構築した。
  論文  参考訳（メタデータ） (2023-10-10T06:20:14Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• Automated Whole Slide Imaging for Label-Free Histology using Photon Absorption Remote Sensing Microscopy [0.0]
  現在の染色法と高度なラベリング法は、しばしば破壊的であり、相互に相容れない。 最初の透過モード光子リモートセンシング顕微鏡を用いたラベルフリー組織学プラットフォームを提案する。
  論文  参考訳（メタデータ） (2023-04-26T12:36:19Z)
• Endoscopy Classification Model Using Swin Transformer and Saliency Map [11.031841470875571]
  内視鏡画像分類のための学習手法(ローカル・グローバル・ビュー)の2つの側面を考察した新しいマルチラベル分類法を提案する。 画像の局所的特徴と大域的特徴を利用して内視鏡的医用画像に対して,本手法が有効であることを示す。
  論文  参考訳（メタデータ） (2023-03-12T19:36:31Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Lymphocyte Classification in Hyperspectral Images of Ovarian Cancer Tissue Biopsy Samples [94.37521840642141]
  生検コアのハイパースペクトル画像に白血球画素を分割する機械学習パイプラインを提案する。 これらの細胞は臨床的に診断に重要であるが、いくつかの先行研究は正確なピクセルラベルを得るのが困難であるため、それらを組み込むのに苦労している。
  論文  参考訳（メタデータ） (2022-03-23T00:58:27Z)
• Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
  臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。 まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
  論文  参考訳（メタデータ） (2021-04-02T20:52:05Z)
• Gleason Grading of Histology Prostate Images through Semantic Segmentation via Residual U-Net [60.145440290349796]
  前立腺癌の最終診断は、病理学者による前立腺生検におけるGleasonパターンの視覚的検出に基づいている。 コンピュータ支援診断システムは、組織内のがんのパターンを分類し分類することができる。 この研究の方法論的核心は、がん組織を分節できる残留ブロックで修正された画像分割のためのU-Net畳み込みニューラルネットワークである。
  論文  参考訳（メタデータ） (2020-05-22T19:49:10Z)

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。