論文の概要: MedMNIST v2: A Large-Scale Lightweight Benchmark for 2D and 3D
Biomedical Image Classification
- arxiv url: http://arxiv.org/abs/2110.14795v1
- Date: Wed, 27 Oct 2021 22:02:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-30 09:12:24.821759
- Title: MedMNIST v2: A Large-Scale Lightweight Benchmark for 2D and 3D
Biomedical Image Classification
- Title(参考訳): MedMNIST v2: 2次元および3次元生体画像分類のための大規模軽量ベンチマーク
- Authors: Jiancheng Yang, Rui Shi, Donglai Wei, Zequan Liu, Lin Zhao, Bilian Ke,
Hanspeter Pfister, Bingbing Ni
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 59.10015984688104
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce MedMNIST v2, a large-scale MNIST-like dataset collection of
standardized biomedical images, including 12 datasets for 2D and 6 datasets for
3D. All images are pre-processed into a small size of 28x28 (2D) or 28x28x28
(3D) with the corresponding classification labels so that no background
knowledge is required for users. Covering primary data modalities in biomedical
images, MedMNIST v2 is designed to perform classification on lightweight 2D and
3D images with various dataset scales (from 100 to 100,000) and diverse tasks
(binary/multi-class, ordinal regression, and multi-label). The resulting
dataset, consisting of 708,069 2D images and 10,214 3D images in total, could
support numerous research / educational purposes in biomedical image analysis,
computer vision, and machine learning. We benchmark several baseline methods on
MedMNIST v2, including 2D / 3D neural networks and open-source / commercial
AutoML tools. The data and code are publicly available at
https://medmnist.com/.
- Abstract(参考訳): MedMNIST v2は,MNISTライクなバイオメディカル画像の大規模データセットコレクションであり,12のデータセットを2D,6のデータセットを3Dで導入する。
すべての画像は28x28(2d)または28x28x28(3d)の小さなサイズに事前処理されるため、ユーザには背景知識が不要である。
MedMNIST v2は、バイオメディカル画像の一次データモダリティをカバーし、様々なデータセットスケール(100~10000)と多様なタスク(バイナリ/マルチクラス、順序回帰、マルチラベル)で軽量2Dおよび3D画像の分類を行うように設計されている。
結果として得られたデータセットは708,069枚の2D画像と10,214個の3D画像で構成され、バイオメディカル画像分析、コンピュータビジョン、機械学習における多くの研究と教育の目的をサポートすることができる。
2D/3Dニューラルネットワークやオープンソース/商用AutoMLツールなど、MedMNIST v2のベースラインメソッドをベンチマークします。
データとコードはhttps://medmnist.com/で公開されている。
関連論文リスト
- Med3DInsight: Enhancing 3D Medical Image Understanding with 2D
Multi-Modal Large Language Models [1.64647940449869]
既存の3D畳み込みとトランスフォーマーベースの手法は、画像ボリュームのセマンティックな理解が限られている。
既存の3D画像エンコーダを2D MLLMでマージし,PSAT(Plane-Slice-Aware Transformer)モジュールを介してブリッジするMed3DInsightを提案する。
論文 参考訳(メタデータ) (2024-03-08T08:15:53Z) - MedShapeNet -- A Large-Scale Dataset of 3D Medical Shapes for Computer
Vision [119.29105800342779]
MedShapeNetは、医療アプリケーションへのデータ駆動ビジョンアルゴリズムの翻訳を容易にするために開発された。
ユニークな特徴として、実際の患者の画像データに基づいて、形状の大部分を直接モデル化する。
私たちのデータは、WebインターフェースとPythonアプリケーションプログラミングインターフェース(API)を介して自由にアクセスでき、差別的、再構成的、変動的なベンチマークに使用できます。
論文 参考訳(メタデータ) (2023-08-30T16:52:20Z) - Interpretable 2D Vision Models for 3D Medical Images [47.75089895500738]
本研究では,3次元画像処理における中間特徴表現を用いた2次元ネットワークの適応手法を提案する。
我々は、ベンチマークとして3D MedMNISTデータセットと、既存の手法に匹敵する数百の高分解能CTまたはMRIスキャンからなる2つの実世界のデータセットを示す。
論文 参考訳(メタデータ) (2023-07-13T08:27:09Z) - 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) - 3D-GMIC: an efficient deep neural network to find small objects in large
3D images [41.334361182700164]
3Dイメージングは、臓器解剖に関する空間情報を提供することにより、より正確な診断を可能にする。
AIモデルのトレーニングに3Dイメージを使用することは、その2Dモデルよりも数十から数百倍のピクセルで構成されているため、計算的に困難である。
本稿では,3次元医用画像の完全解像度で計算効率の良い分類を可能にするニューラルネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2022-10-16T21:58:54Z) - Super Images -- A New 2D Perspective on 3D Medical Imaging Analysis [0.0]
トレーニング中に3次元知識を効率的に埋め込んで3次元データを扱うための,シンプルで効果的な2次元手法を提案する。
本手法は3次元画像にスライスを並べて超高分解能画像を生成する。
2次元ネットワークのみを利用した3次元ネットワークを実現する一方で、モデルの複雑さはおよそ3倍に減少する。
論文 参考訳(メタデータ) (2022-05-05T09:59:03Z) - Learning Anthropometry from Rendered Humans [6.939794498223168]
2,675人の女性と1,474男性のスキャンの新しい3Dスキャンデータセットを紹介します。
我々はまた、200 RGB画像とテープ測定地上真実の小さなデータセットを紹介します。
2つの新しいデータセットの助けを借りて,2次元画像から人文計測を推定する部分型形状モデルと深層ニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2021-01-07T12:26:39Z) - MedMNIST Classification Decathlon: A Lightweight AutoML Benchmark for
Medical Image Analysis [46.02653153307692]
MedMNIST(MedMNIST)は、医療用オープンデータセット10の集合体である。
MedMNISTは、軽量28x28画像の分類タスクを実行するために標準化されている。
MedMNISTは、医療画像解析において、教育目的、迅速なプロトタイピング、マルチモーダル機械学習、AutoMLに使用できる。
論文 参考訳(メタデータ) (2020-10-28T12:41:18Z) - Fed-Sim: Federated Simulation for Medical Imaging [131.56325440976207]
本稿では、2つの学習可能なニューラルモジュールからなる物理駆動型生成手法を提案する。
データ合成フレームワークは、複数のデータセットの下流セグメンテーション性能を改善する。
論文 参考訳(メタデータ) (2020-09-01T19:17:46Z) - 2.75D: Boosting learning by representing 3D Medical imaging to 2D
features for small data [54.223614679807994]
3D畳み込みニューラルネットワーク(CNN)は、多くのディープラーニングタスクにおいて、2D CNNよりも優れたパフォーマンスを示し始めている。
3D CNNにトランスファー学習を適用することは、パブリックにトレーニング済みの3Dモデルがないために困難である。
本研究では,ボリュームデータの2次元戦略的表現,すなわち2.75Dを提案する。
その結果,2次元CNNネットワークをボリューム情報学習に用いることが可能となった。
論文 参考訳(メタデータ) (2020-02-11T08:24:19Z)
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。