Fugu-MT 論文翻訳(概要): Medical Datasets Collections for Artificial Intelligence-based Medical Image Analysis

論文の概要: Medical Datasets Collections for Artificial Intelligence-based Medical Image Analysis

arxiv url: http://arxiv.org/abs/2102.01549v1
Date: Tue, 2 Feb 2021 15:23:42 GMT
ステータス: 処理完了
システム内更新日: 2021-02-03 16:14:20.162116
Title: Medical Datasets Collections for Artificial Intelligence-based Medical Image Analysis
Title（参考訳）: 人工知能を用いた医療画像解析のための医療データセット収集
Authors: Yang Wen
Abstract要約: 我々は32の公開データセットを収集し,そのうち28は医用画像,4つは自然画像で,研究を行った。データアクセシビリティに関しては、ほとんどのデータセットのWebサイトも提供しています。
参考スコア（独自算出の注目度）: 1.6752182911522522
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We collected 32 public datasets, of which 28 for medical imaging and 4 for natural images, to conduct study. The images of these datasets are captured by different cameras, thus vary from each other in modality, frame size and capacity. For data accessibility, we also provide the websites of most datasets and hope this will help the readers reach the datasets.
Abstract（参考訳）: 我々は32の公開データセットを収集し,そのうち28は医用画像,4つは自然画像で,研究を行った。これらのデータセットの画像は、異なるカメラによってキャプチャされるため、モダリティ、フレームサイズ、容量が異なる。データアクセシビリティのため、私たちは多くのデータセットのwebサイトも提供しています。

関連論文リスト

Dataset Distillation for Medical Dataset Sharing [38.65823547986758]
データセットの蒸留は、トレーニングされたモデルが元の大きなデータセットと同等のパフォーマンスを達成するように、小さなデータセットを合成することができる。新型コロナウイルスの胸部X線画像データセットによる実験結果から,胸部X線画像が不足していても高い検出性能が得られた。
論文参考訳（メタデータ） (2022-09-29T07:49:20Z)
Suggestive Annotation of Brain MR Images with Gradient-guided Sampling [12.928940875474378]
そこで我々は,脳MRI画像に対する効率的なアノテーションフレームワークを提案し,アノテートを行うための情報的サンプル画像を提案する。脳腫瘍の分節と全脳の分節という2つの異なる脳画像解析タスクの枠組みを評価する。提案フレームワークは,手動アノテーションのコストを削減し,医用画像アプリケーションにおけるデータ効率を向上させるための有望な方法を示す。
論文参考訳（メタデータ） (2022-06-02T12:23:44Z)
Self-Supervised Learning as a Means To Reduce the Need for Labeled Data in Medical Image Analysis [64.4093648042484]
胸部X線画像のデータセットとバウンディングボックスラベルを用いて,13種類の異常の分類を行った。ラベル付きデータの平均精度と精度を60%に抑えることで,完全教師付きモデルと同等の性能が得られることを示す。
論文参考訳（メタデータ） (2022-06-01T09:20:30Z)
Application of DatasetGAN in medical imaging: preliminary studies [10.260087683496431]
ジェネレーティブ・ディベサール・ネットワーク(GAN)は医用画像の多くの可能性について広く研究されている。 datasetGANは、高品質なセグメンテーションイメージを合成できるモダンなGANをベースにした、最近提案されたフレームワークである。医療画像への応用に焦点を当てた研究は発表されていない。
論文参考訳（メタデータ） (2022-02-27T22:03:20Z)
A Survey on RGB-D Datasets [69.73803123972297]
本稿では,深度情報を含む画像データセットをレビューし,分類した。アクセス可能なデータを含む203のデータセットを収集し、それらをシーン/オブジェクト、ボディ、医療の3つのカテゴリに分類しました。
論文参考訳（メタデータ） (2022-01-15T05:35:19Z)
CPPE-5: Medical Personal Protective Equipment Dataset [0.0]
このデータセットには、5つのオブジェクトカテゴリ(カバール、フェイスシールド、手袋、マスク、ゴーグル)が含まれており、各イメージには境界ボックスと正のラベルのセットがアノテートされている。このデータセットでトレーニングされたモデルが、複雑なシーンの現実的なシナリオで簡単に使用できるようにするために、我々のデータセットは主に、各シーンに複数のオブジェクトがある複雑なシーンを自然のコンテキストで表示する画像を含んでいる。
論文参考訳（メタデータ） (2021-12-15T18:45:55Z)
Pseudo-domains in imaging data improve prediction of future disease status in multi-center studies [57.712855968194305]
本研究では,多数の異なるスキャンサイトと,各サイト毎のサンプル数に対処可能な予測手法を提案する。以上の結果より,初診後48週,12週間の肝疾患経過観察の結果から,聴力低下の予測精度が向上した。
論文参考訳（メタデータ） (2021-11-15T09:40:54Z)
MedMNIST v2: A Large-Scale Lightweight Benchmark for 2D and 3D Biomedical Image Classification [59.10015984688104]
MedMNIST v2は、MNISTに似た大規模データセットコレクションである。得られたデータセットは708,069個の2D画像と10,214個の3D画像で構成されている。
論文参考訳（メタデータ） (2021-10-27T22:02:04Z)
DatasetGAN: Efficient Labeled Data Factory with Minimal Human Effort [117.41383937100751]
現在のディープネットワークは、大規模なデータセットのトレーニングの恩恵を受ける、非常にデータハングリーです。 GAN潜入コードがどのようにデコードされ、イメージのセマンティックセグメンテーションを生成するかを示す。これらの生成されたデータセットは、実際のデータセットと同じように、コンピュータビジョンアーキテクチャのトレーニングに使用できます。
論文参考訳（メタデータ） (2021-04-13T20:08:29Z)
Overcoming Barriers to Data Sharing with Medical Image Generation: A Comprehensive Evaluation [17.983449515155414]
我々は、GAN(Generative Adversarial Networks)を用いて、合成患者データからなる医用画像データセットを作成する。合成画像は、理想的には、ソースデータセットと類似した統計特性を持つが、機密性の高い個人情報は含まない。合成画像の品質は、合成データセットと実データセットの両方で訓練された予測モデルの性能差によって測定する。
論文参考訳（メタデータ） (2020-11-29T15:41:46Z)
Cross-Modal Information Maximization for Medical Imaging: CMIM [62.28852442561818]
病院では、同じ情報を異なるモダリティの下で利用できるようにする特定の情報システムにデータがサイロ化される。これは、テスト時に常に利用できないかもしれない同じ情報の複数のビューを列車で取得し、使用するためのユニークな機会を提供する。テスト時にモダリティの低下に耐性を持つマルチモーダル入力の優れた表現を学習することで、利用可能なデータを最大限活用する革新的なフレームワークを提案する。
論文参考訳（メタデータ） (2020-10-20T20:05:35Z)

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。