Fugu-MT 論文翻訳(概要): A Review on The Division of Magnetic Resonant Prostate Images with Deep Learning

論文の概要: A Review on The Division of Magnetic Resonant Prostate Images with Deep Learning

arxiv url: http://arxiv.org/abs/2111.10683v1
Date: Sat, 20 Nov 2021 21:33:50 GMT
ステータス: 処理完了
システム内更新日: 2021-11-24 11:01:33.667437
Title: A Review on The Division of Magnetic Resonant Prostate Images with Deep Learning
Title（参考訳）: 深層学習による磁気共鳴前立腺画像の分割
Authors: Elcin Huseyn, Emin Mammadov, Mohammad Hoseini
Abstract要約: 近年,深層学習を用いた前立腺画像の分割処理が増加している。前立腺癌の診断と治療には, 深層学習による前立腺画像の分割が重要である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Deep learning; it is often used in dividing processes on images in the biomedical field. In recent years, it has been observed that there is an increase in the division procedures performed on prostate images using deep learning compared to other methods of image division. Looking at the literature; It is seen that the process of dividing prostate images, which are carried out with deep learning, is an important step for the diagnosis and treatment of prostate cancer. For this reason, in this study; to be a source for future splitting operations; deep learning splitting procedures on prostate images obtained from magnetic resonance (MRI) imaging devices were examined.
Abstract（参考訳）: 深層学習(Deep Learning):バイオメディカル分野の画像の過程の分割によく用いられる。近年,他の画像分割法と比較して,深層学習を用いた前立腺画像の分割処理が増加していることが観察されている。文献を見てみると,深層学習による前立腺画像の分割は,前立腺癌の診断と治療において重要なステップであると考えられる。そこで本研究では, 将来的な分割操作の源泉となるため, 磁気共鳴(MRI)撮像装置から得られた前立腺画像の深層学習分割処理について検討した。

関連論文リスト

Uterine Ultrasound Image Captioning Using Deep Learning Techniques [0.0]
本稿では,深層学習を用いた医用画像キャプションについて検討し,特に子宮内超音波画像に焦点を当てた。我々の研究は、タイムリーで正確な診断を行う医療専門家を支援することを目的としており、最終的には患者ケアの改善に寄与する。
論文参考訳（メタデータ） (2024-11-21T11:41:42Z)
Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文参考訳（メタデータ） (2023-10-16T13:58:53Z)
An Enhanced Deep Learning Technique for Prostate Cancer Identification Based on MRI Scans [0.0]
この目的に使用されるインセプションResNetV2ディープラーニングモデルの平均精度は89.20%である。提案手法の実験結果は,他の手法と比較して,有望かつ効果的な結果を示すものである。
論文参考訳（メタデータ） (2022-08-01T03:16:10Z)
Multi-modal Aggregation Network for Fast MR Imaging [85.25000133194762]
我々は,完全サンプル化された補助モダリティから補完表現を発見できる,MANetという新しいマルチモーダル・アグリゲーション・ネットワークを提案する。我々のMANetでは,完全サンプリングされた補助的およびアンアンサンプされた目標モダリティの表現は,特定のネットワークを介して独立に学習される。私たちのMANetは、$k$-spaceドメインの周波数信号を同時に回復できるハイブリッドドメイン学習フレームワークに従います。
論文参考訳（メタデータ） (2021-10-15T13:16:59Z)
Image Processing Techniques for identifying tumors in an MRI image [0.0]
デジタル割り当ては、ATD(Automated Tumor Detection)で使用されるさまざまな画像処理技術を調査します。この課題は、Morphological Tools (MT) や Region Growing Technique (RGT) などの伝統的な技術を比較して議論を開始する。
論文参考訳（メタデータ） (2021-03-28T15:18:38Z)
ShuffleUNet: Super resolution of diffusion-weighted MRIs using deep learning [47.68307909984442]
SISR(Single Image Super-Resolution)は、1つの低解像度入力画像から高解像度(HR)の詳細を得る技術である。ディープラーニングは、大きなデータセットから事前知識を抽出し、低解像度の画像から優れたMRI画像を生成します。
論文参考訳（メタデータ） (2021-02-25T14:52:23Z)
Machine Learning Methods for Histopathological Image Analysis: A Review [62.14548392474976]
病理組織像 (HIs) は癌診断における腫瘍の種類を評価するための金の基準である。このような分析を高速化する方法の1つは、コンピュータ支援診断(CAD)システムを使用することである。
論文参考訳（メタデータ） (2021-02-07T19:12:32Z)
Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
論文参考訳（メタデータ） (2020-07-02T12:00:53Z)
Review: Noise and artifact reduction for MRI using deep learning [0.0]
本研究の目的は、MRIの深層学習によるノイズとアーチファクトの低減を更に検討することである。ディープラーニングは、堅牢なMR画像処理を実現するための機械学習アプローチとして、かなりの注目を集めている。
論文参考訳（メタデータ） (2020-02-28T17:50:21Z)
Brain Tumor Segmentation by Cascaded Deep Neural Networks Using Multiple Image Scales [12.463038471051478]
頭蓋内腫瘍は、通常は制御不能に増殖する細胞群である。脳腫瘍の早期発見と評価はMRI(MRI)による予防に不可欠である
論文参考訳（メタデータ） (2020-02-05T20:00:40Z)
Stan: Small tumor-aware network for breast ultrasound image segmentation [68.8204255655161]
本研究では,小腫瘍認識ネットワーク(Small tumor-Aware Network,STAN)と呼ばれる新しいディープラーニングアーキテクチャを提案する。提案手法は, 乳腺腫瘍の分節化における最先端のアプローチよりも優れていた。
論文参考訳（メタデータ） (2020-02-03T22:25:01Z)

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。