論文の概要: Medical Datasets Collections for Artificial Intelligence-based Medical
Image Analysis
- arxiv url: http://arxiv.org/abs/2102.01549v2
- Date: Wed, 3 Feb 2021 04:54:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-04 12:51:52.511570
- 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
- One Model to Rule them All: Towards Universal Segmentation for Medical
Images with Text Prompts [65.69028800097225]
本研究は、SATと呼ばれるテキストプロンプトによって駆動される医療シナリオにおけるSegment Anythingを構築できるモデルの構築に焦点を当てる。
トレーニング用の大規模なセグメンテーションデータセットを構築し、31のセグメンテーションデータセットから11K以上の3D医療画像スキャンを収集します。
本稿では,知識強化型表現学習フレームワークと,多数のデータセットの組み合わせを効果的に学習するための一連の戦略を提案する。
論文 参考訳(メタデータ) (2023-12-28T18:16:00Z) - COVIDx CXR-4: An Expanded Multi-Institutional Open-Source Benchmark
Dataset for Chest X-ray Image-Based Computer-Aided COVID-19 Diagnostics [79.90346960083775]
我々は,胸部X線画像を用いたコンピュータ支援型COVID-19診断のための,多施設のオープンソースベンチマークデータセットであるCOVIDx CXR-4を紹介する。
COVIDx CXR-4は、患者の総コホートサイズを2.66倍に増やすことで、前回のCOVIDx CXR-3データセットで大幅に拡大する。
患者人口、画像メタデータ、および疾患分布の多様性について広範な分析を行い、潜在的なデータセットバイアスを明らかにする。
論文 参考訳(メタデータ) (2023-11-29T14:40:31Z) - LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical
Imaging via Second-order Graph Matching [59.01894976615714]
LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。
55の公開データセットから約13万の医療画像を収集しました。
LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
論文 参考訳(メタデータ) (2023-06-20T22:21:34Z) - 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) - 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) - 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) - 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。
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。