論文の概要: Ultrasound Image Classification using ACGAN with Small Training Dataset
- arxiv url: http://arxiv.org/abs/2102.01539v1
- Date: Sun, 31 Jan 2021 11:11:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-03 16:20:18.931289
- Title: Ultrasound Image Classification using ACGAN with Small Training Dataset
- Title(参考訳): 小型訓練データセットを用いたACGANを用いた超音波画像分類
- Authors: Sudipan Saha and Nasrullah Sheikh
- Abstract要約: ディープラーニングモデルのトレーニングには大きなラベル付きデータセットが必要であるが、超音波画像では利用できないことが多い。
我々は、大規模データ拡張と転送学習の利点を組み合わせた、ジェネレーティブ・アドバイサル・ネットワーク(ACGAN)を利用する。
乳房超音波画像のデータセットを用いて,提案手法の有効性を示す実験を行った。
- 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: B-mode ultrasound imaging is a popular medical imaging technique. Like other
image processing tasks, deep learning has been used for analysis of B-mode
ultrasound images in the last few years. However, training deep learning models
requires large labeled datasets, which is often unavailable for ultrasound
images. The lack of large labeled data is a bottleneck for the use of deep
learning in ultrasound image analysis. To overcome this challenge, in this work
we exploit Auxiliary Classifier Generative Adversarial Network (ACGAN) that
combines the benefits of data augmentation and transfer learning in the same
framework. We conduct experiment on a dataset of breast ultrasound images that
shows the effectiveness of the proposed approach.
- Abstract(参考訳): Bモード超音波画像は一般的な医用画像技術である。
他の画像処理タスクと同様に、深層学習は、過去数年間にBモード超音波画像の分析に使用されています。
しかし、ディープラーニングモデルのトレーニングには大きなラベル付きデータセットが必要であり、超音波画像では利用できないことが多い。
大きなラベル付きデータの欠如は、超音波画像分析におけるディープラーニングの使用のためのボトルネックです。
この課題を克服するために,本研究では,同じ枠組みでデータ拡張と転送学習の利点を組み合わせた補助的分類器生成逆ネットワーク (acgan) を利用する。
乳房超音波画像のデータセットを用いて,提案手法の有効性を示す実験を行った。
関連論文リスト
- Cardiac ultrasound simulation for autonomous ultrasound navigation [4.036497185262817]
本稿では,他のモーダルや任意の位置から大量の超音波画像を生成する手法を提案する。
本稿では,他のモダリティからのセグメンテーション,最適化されたデータ表現,GPUによるモンテカルロ経路のトレースを用いた新しいシミュレーションパイプラインを提案する。
提案手法により,患者固有の超音波画像の高速かつ正確な生成が可能となり,ナビゲーション関連タスクのためのトレーニングネットワークのユーザビリティが実証された。
論文 参考訳(メタデータ) (2024-02-09T15:14:48Z) - FUSC: Fetal Ultrasound Semantic Clustering of Second Trimester Scans
Using Deep Self-supervised Learning [1.0819408603463427]
毎年1億4000万人以上の胎児が生まれ、多くのスキャンが行われる。
大量の胎児超音波スキャンが利用可能であることは、堅牢な機械学習モデルをトレーニングする機会を提供する。
本研究では,超音波画像の自動クラスタリングのための教師なしアプローチを提案する。
論文 参考訳(メタデータ) (2023-10-19T09:11:23Z) - AiAReSeg: Catheter Detection and Segmentation in Interventional
Ultrasound using Transformers [75.20925220246689]
血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。
本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
論文 参考訳(メタデータ) (2023-09-25T19:34:12Z) - Reslicing Ultrasound Images for Data Augmentation and Vessel
Reconstruction [22.336362581634706]
本稿では,追跡された2次元画像から再構成された3次元ボリュームをスライスした超音波画像に対する弱い監視データ拡張手法であるRESUSを紹介する。
超音波画像の物理的制約により生体内で容易に得られないビューを生成し,これらの拡張超音波画像を用いてセマンティックセグメンテーションモデルを訓練する。
我々は, RESUSが非拡張画像を用いた訓練よりも統計的に有意な改善を達成し, 血管再建による質的改善を強調できることを実証した。
論文 参考訳(メタデータ) (2023-01-18T03:22:47Z) - 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) - Voice-assisted Image Labelling for Endoscopic Ultrasound Classification
using Neural Networks [48.732863591145964]
本稿では,臨床医が提示した生音声からのEUS画像にラベルを付けるマルチモーダル畳み込みニューラルネットワークアーキテクチャを提案する。
その結果,5つのラベルを持つデータセットにおいて,画像レベルでの予測精度は76%であった。
論文 参考訳(メタデータ) (2021-10-12T21:22:24Z) - Deep Learning for Ultrasound Beamforming [120.12255978513912]
受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。
現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。
ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
論文 参考訳(メタデータ) (2021-09-23T15:15:21Z) - 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) - Generative Adversarial U-Net for Domain-free Medical Image Augmentation [49.72048151146307]
注釈付き医用画像の不足は、医用画像コンピューティングの分野における最大の課題の1つだ。
本稿では,生成逆U-Netという新しい生成手法を提案する。
当社の新しいモデルは、ドメインフリーで、さまざまな医療画像に汎用性があります。
論文 参考訳(メタデータ) (2021-01-12T23:02:26Z) - Weakly Supervised Context Encoder using DICOM metadata in Ultrasound
Imaging [7.370841471918351]
超音波画像からのDICOMメタデータを利用して、超音波画像の表現を学習する。
提案手法は,ダウンストリームタスク間の非メタッタ方式よりも優れていることを示す。
論文 参考訳(メタデータ) (2020-03-20T02:17:03Z)
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。
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。