Fugu-MT 論文翻訳(概要): Lightweight U-Net for High-Resolution Breast Imaging

論文の概要: Lightweight U-Net for High-Resolution Breast Imaging

arxiv url: http://arxiv.org/abs/2011.13698v1
Date: Fri, 27 Nov 2020 12:25:24 GMT
ステータス: 処理完了
システム内更新日: 2022-09-20 02:23:02.154441
Title: Lightweight U-Net for High-Resolution Breast Imaging
Title（参考訳）: 高分解能乳房イメージングのための軽量U-Net
Authors: Mickael Tardy, Diana Mateus
Abstract要約: 乳癌検診における悪性度検出の文脈における完全畳み込みニューラルネットワークの検討を行った。我々は,ネットワークの精度と計算複雑性との間の許容範囲の妥協を求める教師付きセグメンテーションタスクに取り組んでいる。
参考スコア（独自算出の注目度）: 8.081659150043592
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We study the fully convolutional neural networks in the context of malignancy detection for breast cancer screening. We work on a supervised segmentation task looking for an acceptable compromise between the precision of the network and the computational complexity.
Abstract（参考訳）: 乳癌検診における悪性度検出における完全畳み込みニューラルネットワークの検討を行った。我々は,ネットワークの精度と計算複雑性との間の許容範囲の妥協を求める教師付きセグメンテーションタスクに取り組んでいる。

関連論文リスト

Verified Neural Compressed Sensing [58.98637799432153]
精度の高い計算タスクのために、初めて(私たちの知識を最大限に活用するために)証明可能なニューラルネットワークを開発します。極小問題次元(最大50)では、線形および双項線形測定からスパースベクトルを確実に回復するニューラルネットワークを訓練できることを示す。ネットワークの複雑さは問題の難易度に適応できることを示し、従来の圧縮センシング手法が証明不可能な問題を解く。
論文参考訳（メタデータ） (2024-05-07T12:20:12Z)
A lightweight deep learning pipeline with DRDA-Net and MobileNet for breast cancer classification [4.371891660358126]
本稿では,乳がん分類の改善のための新しい深層学習手法を提案する。本手法はShuffleNetの効率的なアーキテクチャにインスパイアされたResidual Dual-Shuffle Attention Network (DRDA-Net)に基づく。 MobileNetは、パフォーマンスを犠牲にすることなく、限られたリソースを持つデバイスでも高速な実行を保証する。
論文参考訳（メタデータ） (2024-03-17T08:09:48Z)
Semi- and Weakly-Supervised Learning for Mammogram Mass Segmentation with Limited Annotations [49.33388736227072]
本稿では,マスセグメンテーションのための半弱教師付き学習フレームワークを提案する。良好な性能を得るために, 限られた強ラベルのサンプルと十分な弱ラベルのサンプルを用いる。 CBIS-DDSMおよびINbreastデータセットを用いた実験により,本手法の有効性が示された。
論文参考訳（メタデータ） (2024-03-14T12:05:25Z)
Scale-aware Super-resolution Network with Dual Affinity Learning for Lesion Segmentation from Medical Images [50.76668288066681]
低解像度医用画像から様々な大きさの病変を適応的に分割する,スケールアウェアな超解像ネットワークを提案する。提案するネットワークは,他の最先端手法と比較して一貫した改善を実現した。
論文参考訳（メタデータ） (2023-05-30T14:25:55Z)
Scale-Agnostic Super-Resolution in MRI using Feature-Based Coordinate Networks [27.88156965743815]
本稿では,MRIにおける超解像処理のための座標ネットワークデコーダを提案する。座標ネットワークの連続信号表現により、このアプローチはスケールに依存しない。複数のデノベーション戦略の下でのネットワークの挙動を解析する。
論文参考訳（メタデータ） (2022-10-17T00:42:12Z)
EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文参考訳（メタデータ） (2022-01-13T05:24:40Z)
Global Guidance Network for Breast Lesion Segmentation in Ultrasound Images [84.03487786163781]
我々は,大域的誘導ブロック(GGB)と乳房病変境界検出モジュールを備えた深部畳み込みニューラルネットワークを開発した。当社のネットワークは、乳房超音波病変分割における他の医療画像分割方法および最近のセマンティックセグメンテーション方法よりも優れています。
論文参考訳（メタデータ） (2021-04-05T13:15:22Z)
Task-driven Self-supervised Bi-channel Networks Learning for Diagnosis of Breast Cancers with Mammography [3.616305360490957]
tsbnl(task-driven bi-channel network)フレームワークは,マンモグラムを限定した分類ネットワークの性能を向上させるために提案されている。実験の結果,乳がんの診断には従来のsslアルゴリズムを上回っており,サンプルが限られていた。
論文参考訳（メタデータ） (2021-01-15T17:28:52Z)
An Efficient Confidence Measure-Based Evaluation Metric for Breast Cancer Screening Using Bayesian Neural Networks [3.834509400202395]
乳がん検診における信頼度測定に基づく評価基準を提案する。ベースライン変換学習と比較して,信頼度が向上し,画像集合の精度が向上することを示す。
論文参考訳（メタデータ） (2020-08-12T20:34:14Z)
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)

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。