論文の概要: Robust Wavelet-based Assessment of Scaling with Applications
- arxiv url: http://arxiv.org/abs/2201.09320v1
- Date: Sun, 23 Jan 2022 17:10:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-26 09:03:44.565446
- Title: Robust Wavelet-based Assessment of Scaling with Applications
- Title（参考訳）: ロバストウェーブレットによるアプリケーションのスケーリング評価
- Authors: Erin K. Hamilton, Seonghye Jeon, Pepa Ramirez Cobo, Kichun Sky Lee,
and Brani Vidakovic
- Abstract要約: 2次元データ(画像)における自己相似性を推定するために,Theil型重み付き回帰に基づく新しいロバストなアプローチを提案する。
応用として、ロバストなアプローチによる自己相似性推定の適合性を、デジタル化マンモグラム画像の癌性または非癌性として分類する際の予測的特徴として示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: A number of approaches have dealt with statistical assessment of
self-similarity, and many of those are based on multiscale concepts. Most rely
on certain distributional assumptions which are usually violated by real data
traces, often characterized by large temporal or spatial mean level shifts,
missing values or extreme observations. A novel, robust approach based on
Theil-type weighted regression is proposed for estimating self-similarity in
two-dimensional data (images). The method is compared to two traditional
estimation techniques that use wavelet decompositions; ordinary least squares
(OLS) and Abry-Veitch bias correcting estimator (AV). As an application, the
suitability of the self-similarity estimate resulting from the the robust
approach is illustrated as a predictive feature in the classification of
digitized mammogram images as cancerous or non-cancerous. The diagnostic
employed here is based on the properties of image backgrounds, which is
typically an unused modality in breast cancer screening. Classification results
show nearly 68% accuracy, varying slightly with the choice of wavelet basis,
and the range of multiresolution levels used.
- Abstract（参考訳）: 多くのアプローチが自己相似性の統計的評価を扱っており、その多くがマルチスケールの概念に基づいている。
ほとんどの場合、実際のデータトレースに反する特定の分布仮定に依存しており、しばしば大きな時間的あるいは空間的な平均レベルシフト、欠落した値、極端な観測によって特徴づけられる。
Theil型重み付き回帰に基づく新しいロバストなアプローチが2次元データ(画像)における自己相似性を推定するために提案されている。
この手法は、ウェーブレット分解を用いる2つの従来の推定手法、通常最小二乗法(OLS)とAbry-Veitchバイアス補正推定器(AV)と比較される。
応用として、ロバストなアプローチによる自己相似性推定の適合性を、デジタル化マンモグラム画像の癌または非癌として分類する際の予測的特徴として説明する。
ここで用いられる診断は、通常乳がん検診において未使用のモダリティである画像背景の特性に基づいている。
分類結果は,ウェーブレットベースの選択と多分解能レベルの範囲に応じてわずかに変化し,約68%の精度を示した。
関連論文リスト
- Automated Assessment of Residual Plots with Computer Vision Models [5.835976576278297]
浮動小数点残差は線形モデルの仮定から逸脱を診断するための推奨手順である。
残余プロットにおける構造の存在は、ビジュアル推論を行うためにラインアッププロトコルを用いて検証することができる。
本研究は,残余プロットの評価を自動化するコンピュータビジョンモデルを提供することで,その解を提示する。
論文 参考訳（メタデータ） (2024-11-01T19:51:44Z) - Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。
提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。
医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
論文 参考訳（メタデータ） (2024-03-19T09:28:19Z) - Heterogeneous Image-based Classification Using Distributional Data
Analysis [0.1471145775252885]
画素レベルの特徴の確率(量子)分布を組み込んだ新しい画像ベース分布データ解析(DDA)手法を開発した。
提案手法の特徴として, (i) 画像内の不均一性を考慮し, (ii) 分布全体にわたる粒度の情報を取り込み, (iii) がん応用における未登録画像に対する画像サイズの変化に対処する能力がある。
論文 参考訳（メタデータ） (2024-03-11T19:41:40Z) - AnoDODE: Anomaly Detection with Diffusion ODE [0.0]
異常検出は、データセットの大部分から著しく逸脱する非定型的なデータサンプルを特定するプロセスである。
医用画像から抽出した特徴量の密度を推定し,拡散モードに基づく新しい異常検出手法を提案する。
提案手法は異常を識別するだけでなく,画像レベルと画素レベルでの解釈性も提供する。
論文 参考訳（メタデータ） (2023-10-10T08:44:47Z) - Benchmarking common uncertainty estimation methods with
histopathological images under domain shift and label noise [62.997667081978825]
リスクの高い環境では、深層学習モデルは不確実性を判断し、誤分類の可能性がかなり高い場合に入力を拒否しなければなりません。
我々は,全スライド画像の分類において,最もよく使われている不確実性と頑健さの厳密な評価を行う。
我々は一般的に,手法のアンサンブルが,ドメインシフトやラベルノイズに対するロバスト性の向上とともに,より良い不確実性評価につながることを観察する。
論文 参考訳（メタデータ） (2023-01-03T11:34:36Z) - 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) - Deblurring via Stochastic Refinement [85.42730934561101]
条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。
提案手法は,PSNRなどの歪み指標の点で競合する。
論文 参考訳（メタデータ） (2021-12-05T04:36:09Z) - Malignancy Prediction and Lesion Identification from Clinical
Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。
まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文 参考訳（メタデータ） (2021-04-02T20:52:05Z) - 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) - Unsupervised Lesion Detection via Image Restoration with a Normative
Prior [6.495883501989547]
本稿では,ネットワークをベースとした事前分布を規範分布とし,MAP推定を用いて画素単位で病変を検出する確率モデルを提案する。
脳MRIにおけるグリオーマと脳卒中病変の実験は、提案手法が最先端の教師なし手法よりかなり優れていることを示している。
論文 参考訳（メタデータ） (2020-04-30T18:03:18Z)
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。