論文の概要: A New Approach for Automatic Segmentation and Evaluation of Pigmentation Lesion by using Active Contour Model and Speeded Up Robust Features

• arxiv url: http://arxiv.org/abs/2101.07195v1
• Date: Mon, 18 Jan 2021 17:57:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-27 09:59:36.574051
• Title: A New Approach for Automatic Segmentation and Evaluation of Pigmentation Lesion by using Active Contour Model and Speeded Up Robust Features
• Title（参考訳）: アクティブ輪郭モデルとスピードアップロバスト特徴を用いた顔料病変の自動分離と評価の新しいアプローチ
• Authors: Sara Mardanisamani, Zahra Karimi, Akram Jamshidzadeh, Mehran Yazdi, Melika Farshad, Amirmehdi Farshad
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.9134244356393666
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Digital image processing techniques have wide applications in different scientific fields including the medicine. By use of image processing algorithms, physicians have been more successful in diagnosis of different diseases and have achieved much better treatment results. In this paper, we propose an automatic method for segmenting the skin lesions and extracting features that are associated to them. At this aim, a combination of Speeded-Up Robust Features (SURF) and Active Contour Model (ACM), is used. In the suggested method, at first region of skin lesion is segmented from the whole skin image, and then some features like the mean, variance, RGB and HSV parameters are extracted from the segmented region. Comparing the segmentation results, by use of Otsu thresholding, our proposed method, shows the superiority of our procedure over the Otsu theresholding method. Segmentation of the skin lesion by the proposed method and Otsu thresholding compared the results with physician's manual method. The proposed method for skin lesion segmentation, which is a combination of SURF and ACM, gives the best result. For empirical evaluation of our method, we have applied it on twenty different skin lesion images. Obtained results confirm the high performance, speed and accuracy of our method.
• Abstract（参考訳）: デジタル画像処理技術は、医学を含む様々な科学分野に広く応用されている。 画像処理アルゴリズムを用いることで、医師はさまざまな疾患の診断に成功し、より優れた治療結果を得た。 本稿では,皮膚病変の分類とそれに関連する特徴の抽出を自動で行う手法を提案する。 この目的には、高速化されたロバスト特徴量(surf)とアクティブ輪郭モデル(acm)の組み合わせを用いる。 提案手法では,皮膚病変の第一領域を全皮膚画像から抽出し,その領域から平均値,分散値,RGB値,HSV値などの特徴を抽出する。 提案手法は,大津しきい値を用いたセグメンテーションの結果と比較し,大津留置法よりも手順が優れていることを示す。 提案法と大津しきい値による皮膚病変の分別は,医師の手作業法と比較した。 SURFとACMを併用した皮膚病変の分画法は,最もよい結果が得られた。 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。 その結果,提案手法の性能,速度,精度が確認できた。

関連論文リスト

• Research on Tumors Segmentation based on Image Enhancement Method [1.4907190821192575]
  従来の肝小葉分割法は、肝小葉分割を行う際のいくつかの課題に直面することが多い。 新しいモデルは、画像のコントラストと明るさを適応的に調整することで、画像の重要な特徴を強化する新しい画像強調アルゴリズムを詳細に記述する。 深層学習に基づくセグメンテーションネットワークを導入し,腫瘍領域の検出精度を最適化するために,強調画像に特化して訓練を行った。
  論文  参考訳（メタデータ） (2024-06-07T12:25:04Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• DDI-CoCo: A Dataset For Understanding The Effect Of Color Contrast In Machine-Assisted Skin Disease Detection [51.92255321684027]
  皮膚のトーンと色差効果の相互作用について検討し,色差が皮膚のトーン間のモデル性能バイアスの新たな原因となる可能性が示唆された。 我々の研究は皮膚疾患の検出を改善するために皮膚科のAIに補完的な角度を提供する。
  論文  参考訳（メタデータ） (2024-01-24T07:45:24Z)
• CGAM: Click-Guided Attention Module for Interactive Pathology Image Segmentation via Backpropagating Refinement [8.590026259176806]
  腫瘍領域のセグメンテーションは、デジタル病理の定量的解析に欠かせない課題である。 最近のディープニューラルネットワークは、様々な画像分割タスクで最先端のパフォーマンスを示している。 本稿では,クリック型ユーザインタラクションによるディープニューラルネットワークの出力を改良する対話的セグメンテーション手法を提案する。
  論文  参考訳（メタデータ） (2023-07-03T13:45:24Z)
• 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)
• The Fast and Accurate Approach to Detection and Segmentation of Melanoma Skin Cancer using Fine-tuned Yolov3 and SegNet Based on Deep Transfer Learning [0.6091702876917281]
  メラノーマ(Melanoma)は、ヒトの皮膚のどの部分でも発生する、最も深刻な皮膚がんの1つである。 近年,学習ベースセグメンテーション法は従来のアルゴリズムと比較して,画像セグメンテーションにおいて望ましい結果を得た。 本研究では,深層学習モデルに基づく2段階パイプラインを定義し,メラノーマ皮膚病変の検出とセグメンテーションを改善する新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-10-11T06:09:44Z)
• 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)
• Systematic Clinical Evaluation of A Deep Learning Method for Medical Image Segmentation: Radiosurgery Application [48.89674088331313]
  3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。 本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
  論文  参考訳（メタデータ） (2021-08-21T16:15:40Z)
• Saliency-based segmentation of dermoscopic images using color information [3.8073142980733]
  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。
  論文  参考訳（メタデータ） (2020-11-26T08:47:10Z)
• Spinal Metastases Segmentation in MR Imaging using Deep Convolutional Neural Networks [0.0]
  本研究の目的は,深層学習を用いた診断MR画像における脊髄転移の分節化である。 U-Net様アーキテクチャを用いて40例の臨床検査を行った。 専門的な注釈付き病変のセグメンテーションと比較すると、Diceの平均スコアは77.6%、平均感度は78.9%という有望な結果を得た。
  論文  参考訳（メタデータ） (2020-01-08T10:59:31Z)

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。