論文の概要: Trends in deep learning for medical hyperspectral image analysis
- arxiv url: http://arxiv.org/abs/2011.13974v1
- Date: Fri, 27 Nov 2020 19:42:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 01:55:35.128476
- Title: Trends in deep learning for medical hyperspectral image analysis
- Title（参考訳）: 医用ハイパースペクトル画像解析における深層学習の動向
- Authors: Uzair Khan, Paheding Sidike, Colin Elkin and Vijay Devabhaktuni
- Abstract要約: 本稿では,現在ディープラーニングを用いて医療用ハイパースペクトル画像の効果的な分析を行う出版物について検討する。
本研究は, 医用ハイパースペクトル画像解析のための分類, 分別, 検出における深層学習の活用を概観するものである。
- 参考スコア（独自算出の注目度）: 2.2404871878551353
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning algorithms have seen acute growth of interest in their
applications throughout several fields of interest in the last decade, with
medical hyperspectral imaging being a particularly promising domain. So far, to
the best of our knowledge, there is no review paper that discusses the
implementation of deep learning for medical hyperspectral imaging, which is
what this review paper aims to accomplish by examining publications that
currently utilize deep learning to perform effective analysis of medical
hyperspectral imagery. This paper discusses deep learning concepts that are
relevant and applicable to medical hyperspectral imaging analysis, several of
which have been implemented since the boom in deep learning. This will comprise
of reviewing the use of deep learning for classification, segmentation, and
detection in order to investigate the analysis of medical hyperspectral
imaging. Lastly, we discuss the current and future challenges pertaining to
this discipline and the possible efforts to overcome such trials.
- Abstract（参考訳）: 深層学習のアルゴリズムは、過去10年間にいくつかの分野の関心を集め、医療用ハイパースペクトルイメージングは特に有望な分野である。
以上より,医用ハイパースペクトル画像における深層学習の実施を論じるレビュー論文は存在せず,このレビュー論文が目指すのは,現在,深層学習を利用して医用ハイパースペクトル画像の効果的な分析を行う出版物を調べることである。
本稿では,深層学習のブーム以来実施されてきた医療用ハイパースペクトル画像解析に関係し,適用可能な深層学習概念について論じる。
本研究は, 医用ハイパースペクトル画像解析において, 深層学習を用いた分類, 分割, 検出について検討する。
最後に、この規律に関連する現状と今後の課題と、その試みを克服するための取り組みについて論じる。
関連論文リスト
- A comprehensive survey on deep active learning in medical image analysis [23.849628978883707]
深層学習は医用画像解析において広く成功し、大規模な専門家による医用画像データセットの需要が高まっている。
しかし、医用画像に注釈をつける高コストは、この分野での深層学習の発展を著しく妨げている。
アノテーションのコストを削減するため、アクティブラーニングは、アノテーションの最も有益なサンプルを選択し、できるだけ少ないラベル付きサンプルで高性能モデルを訓練することを目的としている。
論文 参考訳（メタデータ） (2023-10-22T08:46:40Z) - Adversarial Attack and Defense for Medical Image Analysis: Methods and
Applications [57.206139366029646]
医用画像解析における対人攻撃と防御の進歩に関する総合的な調査を報告する。
医療画像解析のための異なる種類の敵攻撃のための統一的理論的枠組みと防衛方法を提供する。
公正な比較のために、逆向きに堅牢な診断モデルのための新しいベンチマークを構築した。
論文 参考訳（メタデータ） (2023-03-24T16:38:58Z) - Medical image registration using unsupervised deep neural network: A
scoping literature review [0.9527960631238173]
医学において、画像登録は画像誘導的介入やその他の臨床応用において不可欠である。
ディープニューラルネットワークの実装は、画像登録を少ない時間で高精度に行うなど、いくつかの医療応用の機会を提供する。
論文 参考訳（メタデータ） (2022-08-03T03:11:34Z) - Deep Long-Tailed Learning: A Survey [163.16874896812885]
ディープ・ロングテール・ラーニング(Deep Long-tailed Learning)は、長いテールのクラス分布に追従する多数の画像から、優れたパフォーマンスのディープモデルをトレーニングすることを目的としている。
長い尾を持つクラス不均衡は、現実的な視覚認識タスクにおいて一般的な問題である。
本稿では,近年の長期学習の進歩を包括的に調査する。
論文 参考訳（メタデータ） (2021-10-09T15:25:22Z) - Self-supervised learning methods and applications in medical imaging
analysis: A survey [0.0]
本稿では,医用画像解析分野における画像データへの自己教師付き学習アプローチの最先端研究の方向性について概説する。
この論文は、医療画像解析における自己教師型学習の分野における最新の研究の40点を取り上げ、その分野における最近のイノベーションの光を隠蔽することを目的としている。
論文 参考訳（メタデータ） (2021-09-17T17:01:42Z) - Recent advances and clinical applications of deep learning in medical
image analysis [7.132678647070632]
我々は最近200以上の論文をレビュー・要約し、様々な医用画像解析タスクにおける深層学習手法の適用の概要を概観した。
特に,医用画像における最先端の非教師あり半教師あり深層学習の進歩と貢献を強調した。
論文 参考訳（メタデータ） (2021-05-27T18:05:12Z) - Semantic segmentation of multispectral photoacoustic images using deep
learning [53.65837038435433]
光音響イメージングは医療に革命をもたらす可能性がある。
この技術の臨床的翻訳には、高次元取得したデータを臨床的に関連性があり解釈可能な情報に変換する必要がある。
本稿では,多スペクトル光音響画像のセマンティックセグメンテーションに対する深層学習に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2021-05-20T09:33:55Z) - Machine Learning Methods for Histopathological Image Analysis: A Review [62.14548392474976]
病理組織像 (HIs) は癌診断における腫瘍の種類を評価するための金の基準である。
このような分析を高速化する方法の1つは、コンピュータ支援診断(CAD)システムを使用することである。
論文 参考訳（メタデータ） (2021-02-07T19:12:32Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳（メタデータ） (2020-12-10T04:01:07Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z) - Medical Image Registration Using Deep Neural Networks: A Comprehensive
Review [1.2425910171551517]
ディープニューラルネットワークを用いた医用画像登録に関する最新の文献を紹介する。
レビューは体系的であり、以前この分野で出版されたすべての関連作品を含んでいる。
このレビューは、最先端の文献を調査し、将来的な文献に貢献しようとする、現場で活動している読者の深い理解と洞察を可能にする。
論文 参考訳（メタデータ） (2020-02-09T17:22:05Z)
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。