論文の概要: A Dual Adversarial Calibration Framework for Automatic Fetal Brain
Biometry
- arxiv url: http://arxiv.org/abs/2108.12719v1
- Date: Sat, 28 Aug 2021 23:25:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-01 06:49:49.749423
- Title: A Dual Adversarial Calibration Framework for Automatic Fetal Brain
Biometry
- Title(参考訳): 胎児脳自動計測のための二重反転校正フレームワーク
- Authors: Yuan Gao and Lok Hin Lee and Richard Droste and Rachel Craik and
Sridevi Beriwal and Aris Papageorghiou and Alison Noble
- Abstract要約: 我々は、ハイエンド(HE)超音波画像を利用して、低コスト(LC)超音波画像のためのバイオメトリソリューションを構築した。
画像タイプ間の画像分布シフトに不変な深層モデルを訓練するための新しい教師なし領域適応手法を提案する。
- 参考スコア(独自算出の注目度): 5.576698250106622
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a novel approach to automatic fetal brain biometry
motivated by needs in low- and medium- income countries. Specifically, we
leverage high-end (HE) ultrasound images to build a biometry solution for
low-cost (LC) point-of-care ultrasound images. We propose a novel unsupervised
domain adaptation approach to train deep models to be invariant to significant
image distribution shift between the image types. Our proposed method, which
employs a Dual Adversarial Calibration (DAC) framework, consists of adversarial
pathways which enforce model invariance to; i) adversarial perturbations in the
feature space derived from LC images, and ii) appearance domain discrepancy.
Our Dual Adversarial Calibration method estimates transcerebellar diameter and
head circumference on images from low-cost ultrasound devices with a mean
absolute error (MAE) of 2.43mm and 1.65mm, compared with 7.28 mm and 5.65 mm
respectively for SOTA.
- Abstract(参考訳): 本稿では,低所得国と中所得国の需要に動機付けられた胎児脳自動計測への新たなアプローチを提案する。
具体的には、ハイエンド(HE)超音波画像を利用して、低コスト(LC)超音波画像のバイオメトリソリューションを構築する。
画像タイプ間の重要な画像分布シフトに不変な深層モデルを訓練するための新しい教師なし領域適応手法を提案する。
提案手法は,デュアル・アドバーサル・キャリブレーション(dac)フレームワークを用いて,モデル不変性(i)lc画像から派生した特徴空間におけるアドバーサル・摂動,ii)出現領域の不一致を強制する逆経路からなる。
提案手法では,平均絶対誤差(mae)が2.43mmと1.65mmの低コスト超音波装置から得られた画像の頭部径と頭部周囲径を推定し,それぞれ7.28mmと5.65mmと算出した。
関連論文リスト
- CDSE-UNet: Enhancing COVID-19 CT Image Segmentation with Canny Edge
Detection and Dual-Path SENet Feature Fusion [10.831487161893305]
CDSE-UNetは、Canny演算子エッジ検出とデュアルパスSENet機能融合機構を統合した、新しいUNetベースのセグメンテーションモデルである。
我々は,UNetの標準畳み込みを代替するマルチスケール畳み込み手法を開発し,病変の大きさや形状に適応した。
公開データセットの評価では、他の主要なモデルよりもCDSE-UNetの方が優れた性能を示している。
論文 参考訳(メタデータ) (2024-03-03T13:36:07Z) - Forgery-aware Adaptive Transformer for Generalizable Synthetic Image
Detection [106.39544368711427]
本研究では,様々な生成手法から偽画像を検出することを目的とした,一般化可能な合成画像検出の課題について検討する。
本稿では,FatFormerという新しいフォージェリー適応トランスフォーマー手法を提案する。
提案手法は, 平均98%の精度でGANを観測し, 95%の精度で拡散モデルを解析した。
論文 参考訳(メタデータ) (2023-12-27T17:36:32Z) - Diffusion Models for Counterfactual Generation and Anomaly Detection in
Brain Images [59.85702949046042]
病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。
健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
本手法が正常なサンプルに適用された場合,入力画像は大幅な修正を伴わずに再構成されることを確認した。
論文 参考訳(メタデータ) (2023-08-03T21:56:50Z) - DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler
Signal [48.97719097435527]
DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。
動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
論文 参考訳(メタデータ) (2023-05-15T18:19:29Z) - Stain-invariant self supervised learning for histopathology image
analysis [74.98663573628743]
乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。
本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2022-11-14T18:16:36Z) - A Deep Learning Localization Method for Measuring Abdominal Muscle
Dimensions in Ultrasound Images [2.309018557701645]
腰痛(LBP)患者に対する2次元(2D)超音波像を用いて, 腹筋次元を計測し, 治療計画の作成と診断に有用である。
可変性が高いため、サーバ内の信頼性を低くするためには、専門的な訓練を受けた熟練した専門家が測定を行う必要がある。
本稿では,2次元US画像の腹部筋厚測定を自動化するために,Deep Learning (DL) アプローチを用いる。
論文 参考訳(メタデータ) (2021-09-30T08:36:50Z) - Joint Semi-supervised 3D Super-Resolution and Segmentation with Mixed
Adversarial Gaussian Domain Adaptation [13.477290490742224]
医用画像の高解像度化は、画像の解像度を向上させることを目的としているが、従来は低解像度データセットの特徴に基づいて訓練されている。
本稿では,画像とそのラベルの同時超解像を行う半教師付きマルチタスク生成対向ネットワーク(Gemini-GAN)を提案する。
提案手法は, 成人1,331人, 成人205人のトランスナショナル多民族集団に対して広く評価された。
論文 参考訳(メタデータ) (2021-07-16T15:42:39Z) - Hyperspectral Anomaly Change Detection Based on Auto-encoder [40.32592332449066]
ハイパースペクトル異常変化検出(HACD)は、ハイパースペクトル画像(HSI)間の小さいが重要な異常変化を見つけるのに役立つ
本稿では,自動エンコーダ(ACDA)に基づく独自のHACDアルゴリズムを提案し,非線形解を提案する。
実験の結果は、"Viareggio 2013"データセットで、従来の手法よりも効率と優越性を実証している。
論文 参考訳(メタデータ) (2020-10-27T08:07:08Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳(メタデータ) (2020-07-24T14:02:09Z) - Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。
提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
論文 参考訳(メタデータ) (2020-03-15T23:07:56Z)
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。