Fugu-MT 論文翻訳(概要): Improving the Otsu Thresholding Method of Global Binarization Using Ring Theory for Ultrasonographies of Congestive Heart Failure

論文の概要: Improving the Otsu Thresholding Method of Global Binarization Using Ring Theory for Ultrasonographies of Congestive Heart Failure

arxiv url: http://arxiv.org/abs/2111.07031v1
Date: Sat, 13 Nov 2021 04:08:02 GMT
ステータス: 処理完了
システム内更新日: 2021-11-18 11:49:29.222107
Title: Improving the Otsu Thresholding Method of Global Binarization Using Ring Theory for Ultrasonographies of Congestive Heart Failure
Title（参考訳）: 心不全の超音波診断におけるリング理論を用いた大域二元化の大津閾値法の改善
Authors: Alisa Rahim and Esley Torres
Abstract要約: バイナリ化(binarization)は、ピクセル内の値を0から1に縮小する画像処理の方法である。本報告では, 超音波画像における心不全指標の分離を図るため, 大津閾値法について検討し, 異なる画像特徴を考慮し, 新たな要素を取り入れた。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Ring Theory states that a ring is an algebraic structure where two binary operations can be performed among the elements addition and multiplication. Binarization is a method of image processing where values within pixels are reduced to a scale from zero to one, with zero representing the most absence of light and one representing the most presence of light. Currently, sonograms are implemented in scanning for congestive heart failure. However, the renowned Playboy Bunny symbol representing the ailment becomes increasingly difficult to isolate due to surrounding organs and lower quality image productions. This paper examines the Otsu thresholding method and incorporates new elements to account for different image features meant to better isolate congestive heart failure indicators in ultrasound images.
Abstract（参考訳）: リング理論は、環は2つの二元演算を加法と乗法の間に行うことができる代数的構造であると述べている。バイナリ化(binarization)は、画素内の値がゼロから1に縮小され、0が光が存在しないこと、そして1が光が存在しないことを表す画像処理の方法である。現在, 心不全の診断にはソノグラムが用いられている。しかし、周囲の臓器や低品質の画像制作などにより、病気を象徴するプレイボーイのバニーシンボルの分離がますます困難になっている。本稿では, 大津しきい値法について検討し, 超音波画像中の心不全指標の分離を改善するため, 異なる画像特徴を考慮した新しい要素を取り入れる。

関連論文リスト

StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
論文参考訳（メタデータ） (2024-08-11T01:22:29Z)
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)
Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文参考訳（メタデータ） (2022-03-29T08:41:17Z)
Image translation of Ultrasound to Pseudo Anatomical Display Using Artificial Intelligence [0.0]
CycleGANは、各ドメインプロパティを個別に学習し、クロスドメインサイクルの一貫性を強制するために使用された。生成された擬似解剖画像は、より明確な境界定義と明瞭なコントラストで、病変の視覚的識別を改善する。
論文参考訳（メタデータ） (2022-02-16T13:31:49Z)
Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image Synthesis [65.47507533905188]
コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
論文参考訳（メタデータ） (2021-10-27T18:54:25Z)
Symmetry-Enhanced Attention Network for Acute Ischemic Infarct Segmentation with Non-Contrast CT Images [50.55978219682419]
急性虚血性梗塞セグメンテーションのための対称性増強型注意ネットワーク(SEAN)を提案する。提案するネットワークは、入力されたCT画像を、脳組織が左右対称な標準空間に自動的に変換する。提案したSEANは、ダイス係数と梗塞局所化の両方の観点から、対称性に基づく最先端の手法より優れている。
論文参考訳（メタデータ） (2021-10-11T07:13:26Z)
Reducing Annotating Load: Active Learning with Synthetic Images in Surgical Instrument Segmentation [11.705954708866079]
ロボット支援手術の内視鏡視における計測器のセグメンテーションは,装置の反射や組織との頻繁な接触により困難である。ディープニューラルネットワーク(DNN)は競争力があり、近年は好まれている。この作業量を緩和することで、ラベル付き実画像の使用を減らし、汎用的な埋め込み可能な手法を提案する。
論文参考訳（メタデータ） (2021-08-07T22:30:53Z)
fMRI Multiple Missing Values Imputation Regularized by a Recurrent Denoiser [0.913755431537592]
機能的磁気共鳴イメージング(Feature Magnetic Resonance Imaging、fMRI)は、その科学的および臨床的応用により重要な神経イメージング技術である。アーティファクトや準最適画像解像度の存在により、高い頻度で値が失われているため、同じ品質を保証する必要がある。本稿では,空間依存型信号計算と時間依存型信号の正規化という,2つの主要なステップからなる新しい計算手法を提案する。
論文参考訳（メタデータ） (2020-09-26T13:56:41Z)
Dual Adversarial Network: Toward Real-world Noise Removal and Noise Generation [52.75909685172843]
実世界の画像ノイズ除去は、コンピュータビジョンにおける長年の課題である。本稿では,ノイズ除去およびノイズ発生タスクに対処する新しい統合フレームワークを提案する。本手法はクリーンノイズ画像対の連成分布を学習する。
論文参考訳（メタデータ） (2020-07-12T09:16:06Z)
Single-exposure absorption imaging of ultracold atoms using deep learning [0.0]
単一の露光で吸収イメージングを行う方法を示す。参照フレームは第2の露光の代わりに、教師なしの画像補完ニューラルネットワークによって生成される。ネットワークは、信号を囲む領域の情報のみに基づいて原子信号が重なるノイズを推測できるように、吸収信号なしで画像に基づいて訓練される。
論文参考訳（メタデータ） (2020-03-03T17:09:27Z)
Bone Suppression on Chest Radiographs With Adversarial Learning [21.331378067323573]
デュアルエネルギー(DE)胸部X線撮影は、2つの臨床的関連物質を選択的に撮像する機能を提供する。従来のX線写真と骨抑制X線写真とのマッピングを学習する。本研究は, 患者に配慮したペアとペアの無いX線写真との訓練効果を比較した。
論文参考訳（メタデータ） (2020-02-08T02:53:16Z)

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。