Fugu-MT 論文翻訳(概要): Efficient Kernel based Matched Filter Approach for Segmentation of Retinal Blood Vessels

論文の概要: Efficient Kernel based Matched Filter Approach for Segmentation of Retinal Blood Vessels

arxiv url: http://arxiv.org/abs/2012.03601v1
Date: Mon, 7 Dec 2020 11:41:00 GMT
ステータス: 処理完了
システム内更新日: 2021-05-16 21:00:08.631989
Title: Efficient Kernel based Matched Filter Approach for Segmentation of Retinal Blood Vessels
Title（参考訳）: 効率的なカーネルベースマッチングフィルタによる網膜血管の分節化
Authors: Sushil Kumar Saroj, Vikas Ratna, Rakesh Kumar, Nagendra Pratap Singh
Abstract要約: 網膜血管構造は肥満、糖尿病、高血圧、緑内障などの疾患に関する情報を含んでいる。この情報を得るためには、これらの網膜血管を分節する必要がある。新しいカーネルベースのマッチングフィルタ手法が提案されている。
参考スコア（独自算出の注目度）: 1.3730630739564427
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Retinal blood vessels structure contains information about diseases like obesity, diabetes, hypertension and glaucoma. This information is very useful in identification and treatment of these fatal diseases. To obtain this information, there is need to segment these retinal vessels. Many kernel based methods have been given for segmentation of retinal vessels but their kernels are not appropriate to vessel profile cause poor performance. To overcome this, a new and efficient kernel based matched filter approach has been proposed. The new matched filter is used to generate the matched filter response (MFR) image. We have applied Otsu thresholding method on obtained MFR image to extract the vessels. We have conducted extensive experiments to choose best value of parameters for the proposed matched filter kernel. The proposed approach has examined and validated on two online available DRIVE and STARE datasets. The proposed approach has specificity 98.50%, 98.23% and accuracy 95.77 %, 95.13% for DRIVE and STARE dataset respectively. Obtained results confirm that the proposed method has better performance than others. The reason behind increased performance is due to appropriate proposed kernel which matches retinal blood vessel profile more accurately.
Abstract（参考訳）: 網膜血管構造は肥満、糖尿病、高血圧、緑内障などの疾患に関する情報を含んでいる。この情報は、これらの致命的な病気の特定と治療に非常に有用である。この情報を得るためには、これらの網膜血管を分節する必要がある。網膜血管のセグメンテーションに多くのカーネルベースの手法が与えられたが、そのカーネルは血管プロファイルに適さないため、性能は低下した。これを解決するために、カーネルベースのマッチングフィルタ手法が提案されている。新しい一致フィルタは、一致フィルタ応答(mfr)画像を生成するために使用される。得られたMFR画像に大津しきい値法を適用し, 血管抽出を行った。提案するマッチングフィルタカーネルのパラメータの最適値を選択するための広範囲な実験を行った。提案手法は2つのオンラインドライブとstareデータセットで検証と検証を行っている。提案手法は98.50%,98.23%,精度95.77%,ドライブとスターデータセットそれぞれ95.13%の特異性を有する。得られた結果は,提案手法が他の方法よりも優れた性能を示した。パフォーマンス向上の理由は、網膜血管のプロファイルをより正確にマッチする適切なカーネルが提案されているためである。

関連論文リスト

Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。 ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
論文参考訳（メタデータ） (2024-08-19T15:04:42Z)
MAF-Net: Multiple attention-guided fusion network for fundus vascular image segmentation [1.3295074739915493]
網膜基底画像の血管を正確に検出するマルチアテンション誘導核融合ネットワーク(MAF-Net)を提案する。従来のUNetベースのモデルは、長距離依存を明示的にモデル化するため、部分的な情報を失う可能性がある。提案手法は,いくつかの最先端手法と比較して良好な結果が得られることを示す。
論文参考訳（メタデータ） (2023-05-05T15:22:20Z)
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)
Parametric Scaling of Preprocessing assisted U-net Architecture for Improvised Retinal Vessel Segmentation [1.3869502085838448]
本稿では,形態素前処理と拡張U-netアーキテクチャを併用した画像強調手法を提案する。 ROC曲線 (>0.9762) と分類精度 (>95.47%) の領域において、領域内の他のアルゴリズムと比較して顕著な改善が得られた。
論文参考訳（メタデータ） (2022-03-18T15:26:05Z)
CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文参考訳（メタデータ） (2021-11-16T15:03:42Z)
Training Compact CNNs for Image Classification using Dynamic-coded Filter Fusion [139.71852076031962]
動的符号化フィルタ融合(DCFF)と呼ばれる新しいフィルタプルーニング法を提案する。我々は、効率的な画像分類のために、計算経済的および正規化のない方法でコンパクトなCNNを導出する。我々のDCFFは、72.77MのFLOPと1.06Mのパラメータしか持たないコンパクトなVGGNet-16を導出し、トップ1の精度は93.47%に達した。
論文参考訳（メタデータ） (2021-07-14T18:07:38Z)
Intrapapillary Capillary Loop Classification in Magnification Endoscopy: Open Dataset and Baseline Methodology [8.334256673330879]
我々は静止画やビデオフレームを正常または異常と分類できるコンピュータ支援検出システムを構築した。 114の患者ビデオから抽出された68Kバイナリラベルフレームを含む新しいベンチマークデータセットを紹介します。提案手法は, 臨床医12名による94.7 %に対して, 平均91.7 %の精度を示した。
論文参考訳（メタデータ） (2021-02-19T14:55:21Z)
Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文参考訳（メタデータ） (2020-07-18T05:46:47Z)
COVIDLite: A depth-wise separable deep neural network with white balance and CLAHE for detection of COVID-19 [1.1139113832077312]
COVIDLiteは、CLAHE(Contrast Limited Adaptive Histogram Equalization)とDSCNN(Deep-wise Separable Convolutional Neural Network)を組み合わせたホワイトバランスである。提案したCOVIDLite法は,前処理のないバニラDSCNNと比較して性能が向上した。提案手法は,2進分類では99.58%,多進分類では96.43%,最先端手法では96.43%であった。
論文参考訳（メタデータ） (2020-06-19T02:30:34Z)
Joint Learning of Vessel Segmentation and Artery/Vein Classification with Post-processing [27.825969553813092]
血管分節と動脈・静脈の分類は、潜在的な疾患について様々な情報を提供する。我々は、UNetベースのモデルSeqNetを採用し、背景から船舶を正確に分割し、船舶のタイプを予測する。実験の結果,AUCを0.98に改善し,DRIVEデータセットの分類精度は0.92に向上した。
論文参考訳（メタデータ） (2020-05-27T13:06:16Z)
Adaptive Feature Selection Guided Deep Forest for COVID-19 Classification with Chest CT [49.09507792800059]
胸部CT画像に基づくCOVID-19分類のための適応的特徴選択ガイド付き深層林(AFS-DF)を提案する。 AFS-DF on COVID-19 data with 1495 patients of COVID-19 and 1027 patients of community acquired pneumonia (CAP)。
論文参考訳（メタデータ） (2020-05-07T06:00:02Z)

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。