論文の概要: Segmentation of skin lesions and their attributes using Generative Adversarial Networks

• arxiv url: http://arxiv.org/abs/2102.00169v1
• Date: Sat, 30 Jan 2021 06:57:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-02 15:38:53.621100
• Title: Segmentation of skin lesions and their attributes using Generative Adversarial Networks
• Title（参考訳）: Generative Adversarial Networks を用いた皮膚病変の分離とその特性
• Authors: Cristian Lazo
• Abstract要約: メラノーマ(Melanoma)は、時間内に検出された皮膚がんの一種である。 画像アノテーション処理を緩和するために, Pix2Pixネットワークの修正を提案する。 判別器ネットワークは、入力としてダーマル画像からマッピングを、出力として6チャンネルのマスク画像から学習する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work is about the semantic segmentation of skin lesion boundary and their attributes using Image-to-Image Translation with Conditional Adversarial Nets. Melanoma is a type of skin cancer that can be cured if detected in time. Segmentation into dermoscopic images is an essential procedure for computer-assisted diagnosis due to its existing artifacts typical of skin images. To alleviate the image annotation process, we propose to use a modified Pix2Pix network. The discriminator network learns the mapping from a dermal image as an input and a mask image of six channels as an output. Likewise, the discriminative network output called PatchGAN is varied for one channel and six output channels. The photos used come from the 2018 ISIC Challenge, where 500 photographs are used with their respective semantic map, divided into 75% for training and 35% for testing. Obtaining for 100 training epochs high Jaccard indices for all attributes of the segmentation map.
• Abstract（参考訳）: 本研究は,条件適応ネットを用いた画像から画像への変換による皮膚病変境界とその属性のセマンティックセグメンテーションに関するものである。 メラノーマ(Melanoma)は、時間内に検出された皮膚がんの一種である。 皮膚画像に典型的な既存のアーティファクトのため,皮膚画像への分割はコンピュータによる診断に必須の手順である。 画像アノテーション処理を緩和するために, Pix2Pixネットワークの修正を提案する。 判別器ネットワークは、入力として真皮画像からマッピングを、出力として6チャンネルのマスク画像から学習する。 同様に、PatchGANと呼ばれる識別ネットワーク出力は、1つのチャネルと6つの出力チャネルで異なる。 使用された写真は2018年のisicチャレンジで、500枚の写真をそれぞれのセマンティックマップで使用し、トレーニングで75%、テストで35%に分割した。 セグメンテーションマップのすべての属性の100トレーニングエポックの高いJaccardインデックスを取得する。

関連論文リスト

• Convolutional Neural Networks Towards Facial Skin Lesions Detection [0.0]
  本研究は,顔画像の点滅や皮膚病変の検出を容易にするモデルを提供することで貢献する。 提案手法は, 簡単なアーキテクチャ, 高速, 画像処理に適するといった利点を提供する。
  論文  参考訳（メタデータ） (2024-02-13T16:52:10Z)
• Cross-modulated Few-shot Image Generation for Colorectal Tissue Classification [58.147396879490124]
  XM-GANと名づけられた少数ショット生成法は,1塩基と1対の参照組織像を入力とし,高品質で多様な画像を生成する。 我々の知る限りでは、大腸組織像の少数ショット生成を最初に調査した人物である。
  論文  参考訳（メタデータ） (2023-04-04T17:50:30Z)
• Semantic segmentation of surgical hyperspectral images under geometric domain shifts [69.91792194237212]
  本稿では、幾何学的アウト・オブ・ディストリビューション(OOD)データの存在下で、最先端のセマンティックセグメンテーションネットワークを初めて分析する。 有機移植(Organ transplantation)と呼ばれる専用の拡張技術により、一般化可能性にも対処する。 提案手法は,SOA DSCの最大67 % (RGB) と90% (HSI) を改善し,実際のOODテストデータ上での分配内性能と同等の性能を示す。
  論文  参考訳（メタデータ） (2023-03-20T09:50:07Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• Explainable Medical Image Segmentation via Generative Adversarial Networks and Layer-wise Relevance Propagation [0.0]
  本稿では, 内視鏡画像中のポリープと楽器の両方を識別するために, 生成的対向ネットワークモデルを提案することにより, 医用画像分割の自動化に寄与する。 本研究の主な貢献は,どの入力画像画素が予測に関連があるかを指定するレイヤワイド・レバレンス・プロポーザル・アプローチを用いて,予測に関する説明を提供することである。
  論文  参考訳（メタデータ） (2021-11-02T15:22:28Z)
• Towards Unsupervised Learning for Instrument Segmentation in Robotic Surgery with Cycle-Consistent Adversarial Networks [54.00217496410142]
  本稿では、入力された内視鏡画像と対応するアノテーションとのマッピングを学習することを目的として、未ペア画像から画像への変換を提案する。 当社のアプローチでは,高価なアノテーションを取得することなく,イメージセグメンテーションモデルをトレーニングすることが可能です。 提案手法をEndovis 2017チャレンジデータセットで検証し,教師付きセグメンテーション手法と競合することを示す。
  論文  参考訳（メタデータ） (2020-07-09T01:39:39Z)
• Investigating and Exploiting Image Resolution for Transfer Learning-based Skin Lesion Classification [3.110738188734789]
  CNNは皮膚病変の分類に有効であることが示されている。 本稿では,入力画像サイズが細調整CNNの皮膚病変分類性能に及ぼす影響について検討する。 以上の結果から,64×64ピクセルの非常に小さな画像を用いて分類性能を低下させる一方,128×128ピクセルの画像では画像サイズが大きくなり,分類精度がわずかに向上した。
  論文  参考訳（メタデータ） (2020-06-25T21:51:24Z)
• Y-Net for Chest X-Ray Preprocessing: Simultaneous Classification of Geometry and Segmentation of Annotations [70.0118756144807]
  この研究は、機械学習アルゴリズムに胸部X線入力のための一般的な前処理ステップを導入する。 VGG11エンコーダをベースとした改良Y-Netアーキテクチャを用いて,ラジオグラフィの幾何学的配向とセグメンテーションを同時に学習する。 対照画像の27.0%,34.9%に対し,95.8%,96.2%のアノテーションマスクが認められた。
  論文  参考訳（メタデータ） (2020-05-08T02:16:17Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)
• Lesion Conditional Image Generation for Improved Segmentation of Intracranial Hemorrhage from CT Images [0.0]
  データ拡張のためのCT画像を生成するために,病変条件付きジェネレーティブ・アドバイサル・ネットワークLcGANを提案する。 病変条件画像(segmented mask)は、訓練中にジェネレータとLcGANの判別器の両方に入力される。 完全畳み込みネットワーク(FCN)スコアと曖昧さを用いて画像の品質を定量化する。
  論文  参考訳（メタデータ） (2020-03-30T23:32:54Z)

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。