論文の概要: Saliency-based segmentation of dermoscopic images using color
information
- arxiv url: http://arxiv.org/abs/2011.13179v3
- Date: Fri, 5 Nov 2021 15:45:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 12:16:21.891806
- Title: Saliency-based segmentation of dermoscopic images using color
information
- Title（参考訳）: カラー情報を用いたサルリエンシーに基づく皮膚鏡像のセグメンテーション
- Authors: Giuliana Ramella
- Abstract要約: 本稿では,色覚情報を用いて色素性病変領域を自動判定する方法について検討する。
本稿では,人間の視覚的知覚に触発された新しい知覚基準と組み合わせたバイナライゼーションプロセスを用いた新しい手法を提案する。
1497画像を含む2つの公開データベース上で評価を行った。
- 参考スコア（独自算出の注目度）: 3.8073142980733
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Skin lesion segmentation is one of the crucial steps for an efficient
non-invasive computer-aided early diagnosis of melanoma. This paper
investigates how color information, besides saliency, can be used to determine
the pigmented lesion region automatically. Unlike most existing segmentation
methods using only the saliency in order to discriminate against the skin
lesion from the surrounding regions, we propose a novel method employing a
binarization process coupled with new perceptual criteria, inspired by the
human visual perception, related to the properties of saliency and color of the
input image data distribution. As a means of refining the accuracy of the
proposed method, the segmentation step is preceded by a pre-processing aimed at
reducing the computation burden, removing artifacts, and improving contrast. We
have assessed the method on two public databases, including 1497 dermoscopic
images. We have also compared its performance with classical and recent
saliency-based methods designed explicitly for dermoscopic images. The
qualitative and quantitative evaluation indicates that the proposed method is
promising since it produces an accurate skin lesion segmentation and performs
satisfactorily compared to other existing saliency-based segmentation methods.
- Abstract（参考訳）: 皮膚病変の分節は,メラノーマの非侵襲的早期診断における重要なステップの一つである。
本稿では,色覚情報を用いて色素性病変領域を自動判定する方法について検討する。
周辺領域から皮膚病変を識別するためにサリエンシーのみを用いる既存のセグメンテーション法と異なり、人間の視覚知覚に触発された新しい知覚基準と組み合わせた2値化プロセスを用いて、入力画像データ分布のサリエンシーと色の性質を識別する新しい方法を提案する。
提案手法の精度を向上する手段として,計算負担の低減,アーティファクトの除去,コントラストの改善を目的とした前処理が先行する。
1497画像を含む2つの公開データベース上で評価を行った。
また,その性能を,真皮鏡像に対して明示的に設計された古典的手法と近年の塩分に基づく手法と比較した。
定性的かつ定量的な評価は,本手法が皮膚病変の正確なセグメンテーションを生成し,既存のサリエンシに基づくセグメンテーション法と比較して良好に機能することを示す。
関連論文リスト
- Classification of Breast Cancer Histopathology Images using a Modified Supervised Contrastive Learning Method [4.303291247305105]
モデルロバスト性を高めるために、画像レベルラベルとドメイン固有の拡張の両方を活用することで教師付きコントラスト学習法を改善する。
乳癌の病理組織像から得られたBreakHisデータセットについて検討した。
この改良は93.63%の絶対精度に対応し、データの特性を利用してより適切な表現空間を学習するアプローチの有効性を強調した。
論文 参考訳（メタデータ） (2024-05-06T17:06:11Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - Rethinking Semi-Supervised Medical Image Segmentation: A
Variance-Reduction Perspective [51.70661197256033]
医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。
まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。
5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
論文 参考訳（メタデータ） (2023-02-03T13:50:25Z) - Stain-invariant self supervised learning for histopathology image
analysis [74.98663573628743]
乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。
本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2022-11-14T18:16:36Z) - 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) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳（メタデータ） (2022-02-27T02:19:09Z) - 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) - Principal component-based image segmentation: a new approach to outline
in vitro cell colonies [0.0]
探索されたコロニーを特徴付け,抽出し,セグメンテーションすることで問題を修正するための,客観的かつ多目的な機械学習手法を提案する。
提案するセグメンテーションアルゴリズムは,人間の観察者による手動計測と同様の品質を示した。
論文 参考訳（メタデータ） (2021-03-10T12:37:51Z) - A New Approach for Automatic Segmentation and Evaluation of Pigmentation
Lesion by using Active Contour Model and Speeded Up Robust Features [0.9134244356393666]
皮膚病変を分節し,それに関連する特徴を抽出するための自動的方法を提案する。
提案された方法では、皮膚の最初に全体画像から皮膚の領域を分割し、平均、分散、RGBおよびHSVパラメータのようないくつかの特徴をセグメント化された領域から抽出する。
本手法を実験的に評価するために,20種類の皮膚病変画像に適用した。
論文 参考訳（メタデータ） (2021-01-18T17:57:42Z) - Cancer image classification based on DenseNet model [3.3516258832067067]
DenseNet Blockに基づく新しい転移性癌画像分類モデルを提案する。
PatchCamelyon(PCam)ベンチマークデータセットのわずかに修正されたバージョンに対する提案手法の評価を行った。
論文 参考訳（メタデータ） (2020-11-23T03:05:42Z) - Melanoma Detection using Adversarial Training and Deep Transfer Learning [6.22964000148682]
皮膚病変画像の自動分類のための2段階の枠組みを提案する。
第1段階では、条件付き画像合成のタスクにおいて、データ分布のクラス間変動を利用する。
第2段階では,皮膚病変分類のための深部畳み込みニューラルネットワークを訓練する。
論文 参考訳（メタデータ） (2020-04-14T22:46:20Z)
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。