Fugu-MT 論文翻訳(概要): A Deep Learning Approach for Masking Fetal Gender in Ultrasound Images

論文の概要: A Deep Learning Approach for Masking Fetal Gender in Ultrasound Images

arxiv url: http://arxiv.org/abs/2109.06790v1
Date: Tue, 14 Sep 2021 16:00:29 GMT
ステータス: 処理完了
システム内更新日: 2021-09-15 19:32:18.492281
Title: A Deep Learning Approach for Masking Fetal Gender in Ultrasound Images
Title（参考訳）: 超音波画像におけるマスキング胎児性器の深層学習手法
Authors: Amit Borundiya, Arshak Navruzyan, Dennis Igoschev, Feras C. Oughali, Hemanth Pasupuleti, Mike Fuller, Vinay Kanigicherla, T S Aniruddha Kashyap, Rishabh Chaurasia, Sonali Vinod Jain
Abstract要約: 妊娠初期におけるUSスキャンによる胎児性決定は、性選択性中絶の原因でもある。本研究は, 胎児の性別を正確にマスキングする深層学習物体検出手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Ultrasound (US) imaging is highly effective with regards to both cost and versatility in real-time diagnosis; however, determination of fetal gender by US scan in the early stages of pregnancy is also a cause of sex-selective abortion. This work proposes a deep learning object detection approach to accurately mask fetal gender in US images in order to increase the accessibility of the technology. We demonstrate how the YOLOv5L architecture exhibits superior performance relative to other object detection models on this task. Our model achieves 45.8% AP[0.5:0.95], 92% F1-score and 0.006 False Positive Per Image rate on our test set. Furthermore, we introduce a bounding box delay rule based on frame-to-frame structural similarity to reduce the false negative rate by 85%, further improving masking reliability.
Abstract（参考訳）: 超音波 (US) イメージングは, リアルタイム診断における費用と多目的性の両方において有効であるが, 妊娠初期におけるUSスキャンによる胎児性判定は, 性選択性中絶の原因でもある。本研究は, 画像中の胎児の性別を正確に隠蔽し, アクセス性を高めるためのディープラーニング物体検出手法を提案する。本稿では, YOLOv5Lアーキテクチャが他のオブジェクト検出モデルと比較して優れた性能を示すことを示す。テストセットでは,45.8%のAP[0.5:0.95],92%のF1スコア,0.006のFalse Positive Per Imageレートが得られた。さらに,フレーム間構造類似性に基づくバウンディングボックス遅延ルールを導入し,偽負率を85%削減し,マスキング信頼性をさらに向上させる。

関連論文リスト

Intra-video Positive Pairs in Self-Supervised Learning for Ultrasound [65.23740556896654]
自己教師付き学習 (SSL) は, 医療画像におけるラベル付きデータの健全性に対処するための戦略である。本研究では,同じBモード超音波映像をSSLのペアとして用いた近位画像の利用効果について検討した。この手法は、従来の超音波特異的比較学習法の平均検査精度を新型コロナウイルスの分類で上回り、IVPP(Intra-Video Positive Pairs)と命名された。
論文参考訳（メタデータ） (2024-03-12T14:57:57Z)
FUSC: Fetal Ultrasound Semantic Clustering of Second Trimester Scans Using Deep Self-supervised Learning [1.0819408603463427]
毎年1億4000万人以上の胎児が生まれ、多くのスキャンが行われる。大量の胎児超音波スキャンが利用可能であることは、堅牢な機械学習モデルをトレーニングする機会を提供する。本研究では,超音波画像の自動クラスタリングのための教師なしアプローチを提案する。
論文参考訳（メタデータ） (2023-10-19T09:11:23Z)
Improving Adversarial Robustness of Masked Autoencoders via Test-time Frequency-domain Prompting [133.55037976429088]
BERTプリトレーニング(BEiT, MAE)を備えた視覚変換器の対向ロバスト性について検討する。意外な観察は、MAEが他のBERT事前訓練法よりも敵の頑健さが著しく悪いことである。我々は,MAEの対角的堅牢性を高めるための,シンプルで効果的な方法を提案する。
論文参考訳（メタデータ） (2023-08-20T16:27:17Z)
Uncertainty-inspired Open Set Learning for Retinal Anomaly Identification [71.06194656633447]
9つの網膜条件の基底像をトレーニングし,不確実性に着想を得たオープンセット(UIOS)モデルを構築した。しきい値戦略を持つUIOSモデルはF1スコア99.55%、97.01%、91.91%を達成した。 UIOSは、高い不確実性スコアを正しく予測し、非ターゲットの網膜疾患、低品質の眼底画像、および非基本画像のデータセットを手動でチェックする必要があることを示唆した。
論文参考訳（メタデータ） (2023-04-08T10:47:41Z)
Towards Realistic Ultrasound Fetal Brain Imaging Synthesis [0.7315240103690552]
臨床データ不足、患者のプライバシ、一般的には異常の稀な発生、データ収集と検証の専門家の限られたため、一般の超音波胎児画像データセットはほとんどない。このようなデータ不足に対処するため、私たちは1つのパブリックデータセットから胎児の超音波脳面の画像を生成するために、GAN(Generative Adversarial Network)ベースのモデル、拡散超解像-GANとトランスフォーマーベース-GANを提案した。
論文参考訳（メタデータ） (2023-04-08T07:07:20Z)
Localizing Scan Targets from Human Pose for Autonomous Lung Ultrasound Imaging [61.60067283680348]
新型コロナウイルス(COVID-19)の世界的なパンデミックの出現に伴い、超音波画像を完全に自動化する必要がある。本稿では,学習型コンピュータビジョン技術を取り入れた,視覚に基づくデータ駆動方式を提案する。本手法は、プローブ位置決めのための15.52mm(9.47mm)、プローブ方位のための4.32(3.69deg)の精度を達成し、全走査目標に対する誤差閾値25mm以下で成功率を80%以上とした。
論文参考訳（メタデータ） (2022-12-15T14:34:12Z)
EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文参考訳（メタデータ） (2022-01-13T05:24:40Z)
Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
論文参考訳（メタデータ） (2021-10-19T00:03:57Z)
Automatic Detection of Cardiac Chambers Using an Attention-based YOLOv4 Framework from Four-chamber View of Fetal Echocardiography [15.893907855132236]
心エコー図では, 4-chamber (FC) 画像は重要かつ容易にアクセス可能な超音波画像である。 MRHAM-YOLOv4-Slimを改良したYOLOv4検出モデルを提案する。提案手法は,0.919の精度,0.971のリコール,0.944のF1スコア,0.953のmAP,秒間フレーム(FPS)の43。
論文参考訳（メタデータ） (2020-11-26T02:28:24Z)
Breast mass detection in digital mammography based on anchor-free architecture [0.4568777157687961]
BMassDNet(Breast Mass Detection Network)と呼ばれる一段階の物体検出アーキテクチャを提案する。 BMassDNetはアンカーフリーで特徴ピラミッドに基づいており、異なる大きさの乳房の質量を検出する。提案するBMassDNetは,現在最上位の手法よりも競合検出性能が高いことを示す。
論文参考訳（メタデータ） (2020-09-02T07:11:16Z)
Spontaneous preterm birth prediction using convolutional neural networks [8.47519763941156]
毎年1500万人の赤ちゃんが生まれ過ぎている。妊娠末期(PTB)の合併症により、毎年約100万人が死亡している。
論文参考訳（メタデータ） (2020-08-16T21:21:33Z)

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。