Fugu-MT 論文翻訳(概要): Lung Segmentation in Chest X-rays with Res-CR-Net

論文の概要: Lung Segmentation in Chest X-rays with Res-CR-Net

arxiv url: http://arxiv.org/abs/2011.08655v1
Date: Sat, 14 Nov 2020 04:06:28 GMT
ステータス: 処理完了
システム内更新日: 2022-09-25 13:55:44.402369
Title: Lung Segmentation in Chest X-rays with Res-CR-Net
Title（参考訳）: Res-CR-Netを用いた胸部X線における肺分画
Authors: Haikal Abdulah, Benjamin Huber, Sinan Lal, Hassan Abdallah, Hamid Soltanian-Zadeh, Domenico L. Gatti
Abstract要約: 新しいタイプの完全畳み込みニューラルネットワークであるRes-CR-Netは、当初、顕微鏡画像のセマンティックセグメンテーションのために開発された。 Res-CR-Netは, 健常者, 各種肺疾患患者の胸部X線における肺野の分画に極めて有効であることを示す。
参考スコア（独自算出の注目度）: 0.2609784101826761
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Deep Neural Networks (DNN) are widely used to carry out segmentation tasks in biomedical images. Most DNNs developed for this purpose are based on some variation of the encoder-decoder U-Net architecture. Here we show that Res-CR-Net, a new type of fully convolutional neural network, which was originally developed for the semantic segmentation of microscopy images, and which does not adopt a U-Net architecture, is very effective at segmenting the lung fields in chest X-rays from either healthy patients or patients with a variety of lung pathologies.
Abstract（参考訳）: ディープニューラルネットワーク(DNN)は、バイオメディカルイメージのセグメンテーションタスクの実行に広く利用されている。この目的のために開発されたほとんどのDNNはエンコーダデコーダU-Netアーキテクチャのバリエーションに基づいている。本稿では,顕微鏡画像のセマンティックセグメンテーションのために開発された新しいタイプの完全畳み込みニューラルネットワークであるRes-CR-Netが,健常者,各種肺疾患患者の胸部X線における肺野のセグメンテーションに極めて有効であることを示す。

関連論文リスト

Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文参考訳（メタデータ） (2022-05-08T15:29:54Z)
InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
論文参考訳（メタデータ） (2021-12-23T15:52:37Z)
Visual Explanations for Convolutional Neural Networks via Latent Traversal of Generative Adversarial Networks [17.475341881835355]
本稿では、GAN(Generative Adversarial Networks)を利用して、畳み込みニューラルネットワーク(CNN)が学んだことを解釈する手法を提案する。我々のGANフレームワークは、新型コロナウイルスの特徴から肺の構造を切り離す。このGANを用いて、GANの潜伏した空間で補間することにより、胸部X線写真中の一対の陰性肺からCOVID陽性肺への移行を可視化することができる。
論文参考訳（メタデータ） (2021-10-29T23:26:09Z)
Modality specific U-Net variants for biomedical image segmentation: A survey [0.6091702876917281]
本稿では、U-Netフレームワークの説明に寄与し、その後、異なる医用画像やモダリティのためのU-Net変種を包括的に分析する。また、新型コロナウイルス(COVID-19)として知られる重症急性呼吸器症候群ウイルス2(SARS-CoV-2)へのU-Netベースのフレームワークの貢献も強調している。
論文参考訳（メタデータ） (2021-07-09T16:41:40Z)
Supervised Segmentation with Domain Adaptation for Small Sampled Orbital CT Images [0.0]
ディープニューラルネットワーク(DNN)は医用画像解析に広く利用されている。大規模な注釈付きデータセットへのアクセスの欠如は、大きな課題となる。本稿では,視神経および眼窩腫瘍に対する領域適応を用いた教師付きセグメンテーションについて検討した。
論文参考訳（メタデータ） (2021-07-01T13:00:33Z)
Deep Residual 3D U-Net for Joint Segmentation and Texture Classification of Nodules in Lung [91.3755431537592]
肺結節の分類法, そのテクスチャ分類, 肺CT像による後続の推奨について検討した。提案手法は, 一般的なU-Netアーキテクチャファミリに基づくニューラルネットワークモデルと, 共同結節分割とそのテクスチャ分類タスクと, フォローアップレコメンデーションのためのアンサンブルベースモデルから構成される。
論文参考訳（メタデータ） (2020-06-25T07:20:41Z)
COVID-CXNet: Detecting COVID-19 in Frontal Chest X-ray Images using Deep Learning [6.098524160574895]
ほとんどの患者において、胸部X線は、新型コロナウイルス(COVID-19)の肺炎の結果である凝固などの異常を含む。大規模データセットの深部畳み込みニューラルネットワークを用いて,このタイプの肺炎の画像特徴を効率的に検出する研究を行った。
論文参考訳（メタデータ） (2020-06-16T21:31:02Z)
The efficiency of deep learning algorithms for detecting anatomical reference points on radiological images of the head profile [55.41644538483948]
U-Netニューラルネットワークは、完全な畳み込みニューラルネットワークよりも正確に解剖学的基準点の検出を可能にする。 U-Net ニューラルネットワークによる解剖学的基準点検出の結果は,歯科矯正医のグループによる基準点検出の平均値に近づいた。
論文参考訳（メタデータ） (2020-05-25T13:51:03Z)
A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。技術および生物学的指標を用いた提案アルゴリズムの解析を行った。その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文参考訳（メタデータ） (2020-04-26T08:49:17Z)
Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文参考訳（メタデータ） (2020-04-22T07:30:56Z)
Attention U-Net Based Adversarial Architectures for Chest X-ray Lung Segmentation [0.0]
本稿では,診断パイプラインにおける基礎的,しかし困難な課題である肺分節に対する新しい深層学習手法を提案する。本手法では, 逆批判モデルとともに, 最先端の完全畳み込みニューラルネットワークを用いる。これは、患者プロファイルの異なる未確認データセットのCXRイメージによく当てはまり、JSRTデータセットの最終的なDSCRは97.5%に達した。
論文参考訳（メタデータ） (2020-03-23T14:45:48Z)

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。