論文の概要: Detecting micro fractures with X-ray computed tomography
- arxiv url: http://arxiv.org/abs/2103.12821v1
- Date: Tue, 23 Mar 2021 20:20:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-25 13:49:23.716978
- Title: Detecting micro fractures with X-ray computed tomography
- Title（参考訳）: X線CTによる微小骨折の検出
- Authors: Dongwon Lee, Nikolaos Karadimitriou, Matthias Ruf and Holger Steeb
- Abstract要約: XRCTを用いたカララ大理石のフラクチャーネットワークの可視化に成功したデータ集合について述べる。
従来の3手法と機械学習に基づく2手法を評価した。
2次元U-netモデルの出力は、機械学習に基づくセグメンテーション手法の1つである。
- 参考スコア（独自算出の注目度）: 4.855026133182103
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Studying porous rock materials with X-Ray Computed Tomography (XRCT) has been
established as a standard procedure for the non-destructive visualization of
flow and transport in opaque porous media. Despite the recent advances in the
field of XRCT, some challenges still remain due to the inherent noise and
imaging artefacts in the produced data. These issues become even more profound
when the objective is the identification of fractures, and/or fracture
networks. The challenge is the limited contrast between the regions of interest
and the neighboring areas. This limited contrast can mostly be attributed to
the minute aperture of the fractures. In order to overcome this challenge, it
has been a common approach to apply digital image processing, such as
filtering, to enhance the signal-to-noise ratio. Additionally, segmentation
methods based on threshold-/morphology schemes can be employed to obtain
enhanced information from the features of interest. However, this workflow
needs a skillful operator to fine-tune its input parameters, and the required
computation time significantly increases due to the complexity of the available
methods, and the large volume of the data-set. In this study, based on a
data-set produced by the successful visualization of a fracture network in
Carrara marble with XRCT, we present the segmentation results from a number of
segmentation methods. Three conventional and two machine-learning-based methods
are evaluated. The segmentation results from all five methods are compared to
each other in terms of segmentation quality and time efficiency. Due to memory
limitations, and in order to accomplish a fair comparison, all the methods are
employed in a 2D scheme. The output of the 2D U-net model, which is one of the
adopted machine-learning-based segmentation methods, shows the best performance
regarding the quality of segmentation and the required processing time.
- Abstract（参考訳）: X-ray Computed Tomography (XRCT) を用いた多孔質岩体の研究は不透明多孔質媒質の非破壊的可視化の標準手法として確立されている。
xrctの分野における最近の進歩にもかかわらず、生み出したデータに固有のノイズや画像のアーティファクトがあるため、いくつかの課題は残る。
これらの問題は、骨折や骨折ネットワークの同定が目的であれば、さらに深刻になる。
課題は、関心のある地域と近隣地域の間の限定的なコントラストである。
この限られたコントラストは、主に骨折の微小開口によるものである。
この課題を克服するために、フィルタリングなどのデジタル画像処理を適用して、信号対雑音比を高めるというアプローチが一般的である。
さらに、閾値/形態素スキームに基づくセグメンテーション手法を用いて、興味のある特徴から強化された情報を得ることができる。
しかし、このワークフローには入力パラメータを微調整する熟練したオペレータが必要であり、利用可能なメソッドの複雑さとデータセットの大量さにより、必要な計算時間は大幅に増加する。
本研究では,XRCTを用いたカララ大理石のフラクチャーネットワークの可視化に成功したデータに基づいて,多くのセグメント化手法によるセグメント化結果を示す。
従来の3つの手法と2つの機械学習に基づく手法を評価した。
セグメンテーション品質と時間効率の観点から、5つの方法すべてから得られたセグメンテーション結果を比較した。
メモリ制限のため、公平な比較を達成するために、すべてのメソッドが2Dスキームで使用される。
機械学習に基づくセグメンテーション手法の1つである2次元U-netモデルの出力は、セグメンテーションの品質と必要な処理時間に関して最高の性能を示す。
関連論文リスト
- DINOv2 Rocks Geological Image Analysis: Classification, Segmentation, and Interpretability [0.0]
本研究では, 岩石試料のCTスキャン画像の分類, セグメンテーション, 解釈可能性について検討した。
地質画像解析において, その有効性, 効率, 適応性を評価するために, セグメンテーション法の比較を行った。
論文 参考訳（メタデータ） (2024-07-25T15:03:36Z) - Multi-task Learning for Optical Coherence Tomography Angiography (OCTA)
Vessel Segmentation [1.7539061565898157]
本稿では,OCTA-MTLと呼ばれる,OCTAセグメンテーションのためのマルチタスク学習手法を提案する。
適応的損失結合戦略は、各タスクの平均損失値の逆数に応じて損失重量を動的に調整する。
ROSE-2データセットのセグメンテーション性能を2つのベースライン法と比較して評価した。
論文 参考訳（メタデータ） (2023-11-03T23:10:56Z) - Augmentation is AUtO-Net: Augmentation-Driven Contrastive Multiview
Learning for Medical Image Segmentation [3.1002416427168304]
この論文は網膜血管セグメンテーションの課題に焦点を当てている。
深層学習に基づく医用画像セグメンテーションアプローチの広範な文献レビューを提供する。
効率的でシンプルな多視点学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-02T06:31:08Z) - Two Approaches to Supervised Image Segmentation [55.616364225463066]
本研究は、深層学習とマルチセットニューロンのアプローチの比較実験を開発する。
ディープラーニングアプローチは、画像セグメンテーションの実行の可能性を確認した。
代替のマルチセット手法では、計算資源をほとんど必要とせずに精度を向上することができた。
論文 参考訳（メタデータ） (2023-07-19T16:42:52Z) - Mixed-UNet: Refined Class Activation Mapping for Weakly-Supervised
Semantic Segmentation with Multi-scale Inference [28.409679398886304]
我々は、デコードフェーズに2つの並列分岐を持つMixed-UNetという新しいモデルを開発する。
地域病院や公開データセットから収集したデータセットに対して,いくつかの一般的なディープラーニングに基づくセグメンテーションアプローチに対して,設計したMixed-UNetを評価した。
論文 参考訳（メタデータ） (2022-05-06T08:37:02Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - Incremental Cross-view Mutual Distillation for Self-supervised Medical
CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。
臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。
提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文 参考訳（メタデータ） (2021-12-20T03:38:37Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - Weakly-Supervised Segmentation for Disease Localization in Chest X-Ray
Images [0.0]
医用胸部X線画像のセマンティックセグメンテーションに対する新しいアプローチを提案する。
本手法は肺と胸壁の間の異常な空気量を検出するための胸部X線検査に適用可能である。
論文 参考訳（メタデータ） (2020-07-01T20:48:35Z) - Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。
本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。
結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
論文 参考訳（メタデータ） (2020-03-23T14:35:08Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z)
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。