論文の概要: Automated liver tissues delineation based on machine learning techniques: A survey, current trends and future orientations

• arxiv url: http://arxiv.org/abs/2103.06384v1
• Date: Wed, 10 Mar 2021 23:11:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-12 14:51:43.763812
• Title: Automated liver tissues delineation based on machine learning techniques: A survey, current trends and future orientations
• Title（参考訳）: 機械学習技術に基づく自動肝組織デライン化:調査,現状,今後の方向性
• Authors: Ayman Al-Kababji, Faycal Bensaali, Sarada Prasad Dakua
• Abstract要約: 2014年から2020年の間に発表された重要な研究を調査し、研究者が肝臓を分割するために使用したさまざまな機械学習アルゴリズムを示しています。 関心組織(肝硬膜腫,肝腫瘍,肝血管)に基づいて調査した研究を分割し,同時に複数の課題に取り組む研究を強調した。 機械学習アルゴリズムは教師付きまたは教師なしのいずれにも分類され、特定のスキームに該当する作業量が重要であればさらに分割される。
• 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: There is no denying how machine learning and computer vision have grown in the recent years. Their highest advantages lie within their automation, suitability, and ability to generate astounding results in a matter of seconds in a reproducible manner. This is aided by the ubiquitous advancements reached in the computing capabilities of current graphical processing units and the highly efficient implementation of such techniques. Hence, in this paper, we survey the key studies that are published between 2014 and 2020, showcasing the different machine learning algorithms researchers have used to segment the liver, hepatic-tumors, and hepatic-vasculature structures. We divide the surveyed studies based on the tissue of interest (hepatic-parenchyma, hepatic-tumors, or hepatic-vessels), highlighting the studies that tackle more than one task simultaneously. Additionally, the machine learning algorithms are classified as either supervised or unsupervised, and further partitioned if the amount of works that fall under a certain scheme is significant. Moreover, different datasets and challenges found in literature and websites, containing masks of the aforementioned tissues, are thoroughly discussed, highlighting the organizers original contributions, and those of other researchers. Also, the metrics that are used excessively in literature are mentioned in our review stressing their relevancy to the task at hand. Finally, critical challenges and future directions are emphasized for innovative researchers to tackle, exposing gaps that need addressing such as the scarcity of many studies on the vessels segmentation challenge, and why their absence needs to be dealt with in an accelerated manner.
• Abstract（参考訳）: 近年、機械学習とコンピュータビジョンがどのように成長したかは否定できない。 彼らの最大の利点は、その自動化、適合性、そして再現可能な方法で数秒で驚くべき結果を生成する能力にある。 これは、現在のグラフィカル処理ユニットのコンピューティング能力に到達したユビキタスな進歩と、そのような技術の高効率な実装によって支援されています。 そこで本研究では,2014年から2020年にかけて,研究者が肝臓,肝腫瘍,肝血管構造を分類するために用いた,さまざまな機械学習アルゴリズムについて検討した。 関心組織(肝硬膜腫,肝腫瘍,肝血管)に基づいて調査した研究を分割し,同時に複数の課題に取り組む研究を強調した。 さらに、機械学習アルゴリズムは教師付きまたは教師なしのいずれにも分類され、特定のスキームに該当する作業量が重要であればさらに分割される。 さらに、前述の組織のマスクを含む文献やウェブサイトに見られるさまざまなデータセットや課題を徹底的に議論し、主催者のオリジナルの貢献と他の研究者の貢献を強調する。 また、文献で過度に使用されるメトリクスは、我々のレビューにおいて、その課題に対するそれらの関連性を強調している。 最後に、革新的な研究者が取り組むべき重要な課題と将来の方向性が強調され、船舶のセグメンテーションの課題に関する多くの研究の不足、そしてなぜその欠落を加速的に対処する必要があるのかなどの対処が必要なギャップが露呈されます。

関連論文リスト

• State-Space Modeling in Long Sequence Processing: A Survey on Recurrence in the Transformer Era [59.279784235147254]
  このサーベイは、シーケンシャルなデータ処理の反復モデルに基づく最新のアプローチの詳細な概要を提供する。 新たなイメージは、標準のバックプロパゲーション・オブ・タイムから外れた学習アルゴリズムによって構成される、新しいルートを考える余地があることを示唆している。
  論文  参考訳（メタデータ） (2024-06-13T12:51:22Z)
• Reproducibility and Geometric Intrinsic Dimensionality: An Investigation on Graph Neural Network Research [0.0]
  これらの努力に基づいて構築することは、マシンラーニングにおけるもうひとつの重要な課題、すなわち次元の呪いに向かっています。 本研究は,機械学習モデルが学習対象のデータセットの拡張次元にどのような影響を受けているのかを,本質的な次元の密接な関連概念を用いて検討する。
  論文  参考訳（メタデータ） (2024-03-13T11:44:30Z)
• Assaying on the Robustness of Zero-Shot Machine-Generated Text Detectors [57.7003399760813]
  先進的なLarge Language Models (LLMs) とその特殊な変種を探索し、いくつかの方法でこの分野に寄与する。 トピックと検出性能の間に有意な相関関係が発見された。 これらの調査は、様々なトピックにまたがるこれらの検出手法の適応性と堅牢性に光を当てた。
  論文  参考訳（メタデータ） (2023-12-20T10:53:53Z)
• Machine Unlearning: A Survey [56.79152190680552]
  プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。 この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。 この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。 この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
  論文  参考訳（メタデータ） (2023-06-06T10:18:36Z)
• Machine Learning for Stress Monitoring from Wearable Devices: A Systematic Literature Review [1.5293427903448025]
  本研究の目的は,ウェアラブルデバイスを用いたストレス検出とモニタリングの現状について概観することである。 レビューされた作品は、公開されているストレスデータセット、機械学習、将来の研究方向性の3つのカテゴリにまとめられた。
  論文  参考訳（メタデータ） (2022-09-29T23:40:38Z)
• Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
  我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。 我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
  論文  参考訳（メタデータ） (2022-07-18T11:38:32Z)
• A Deep Learning Approach for the Segmentation of Electroencephalography Data in Eye Tracking Applications [56.458448869572294]
  脳波データの時系列セグメンテーションのための新しいフレームワークDETRtimeを紹介する。 エンドツーエンドのディープラーニングベースのフレームワークは、コンピュータビジョンの進歩を前面に立たせています。 我々のモデルは脳波睡眠ステージセグメンテーションのタスクにおいてよく一般化される。
  論文  参考訳（メタデータ） (2022-06-17T10:17:24Z)
• A Histopathology Study Comparing Contrastive Semi-Supervised and Fully Supervised Learning [0.0]
  計算病理学におけるラベル付け負担を軽減するための自己教師型学習について検討する。 ImageNetの事前学習ネットワークは,Barlow Twinsを用いた自己教師型表現よりも優れていた。
  論文  参考訳（メタデータ） (2021-11-10T19:04:08Z)
• Gesture Recognition in Robotic Surgery: a Review [16.322875532481326]
  本稿では,ロボット手術におけるきめ細かいジェスチャーの自動認識技術について概説する。 研究分野は急速に拡大しており、記事の大半は過去4年間に掲載されている。
  論文  参考訳（メタデータ） (2021-01-29T19:13:13Z)
• Knowledge as Invariance -- History and Perspectives of Knowledge-augmented Machine Learning [69.99522650448213]
  機械学習の研究は転換点にある。 研究の関心は、高度にパラメータ化されたモデルのパフォーマンス向上から、非常に具体的なタスクへとシフトしている。 このホワイトペーパーは、機械学習研究におけるこの新興分野の紹介と議論を提供する。
  論文  参考訳（メタデータ） (2020-12-21T15:07:19Z)
• Machine Learning for Cataract Classification and Grading on Ophthalmic Imaging Modalities: A Survey [7.140809915498328]
  白内障は、世界的に可逆的な視覚障害と失明の主な原因の1つです。 眼科画像に基づく白内障分類と採点のための機械学習の最近の進歩 さらに,機械学習手法に基づく白内障自動分類と採点の課題についても検討した。
  論文  参考訳（メタデータ） (2020-12-09T02:37:41Z)

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。