論文の概要: Deep Learning-based Anomaly Detection on X-ray Images of Fuel Cell Electrodes

• arxiv url: http://arxiv.org/abs/2202.07361v1
• Date: Tue, 15 Feb 2022 12:41:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-16 21:38:13.035885
• Title: Deep Learning-based Anomaly Detection on X-ray Images of Fuel Cell Electrodes
• Title（参考訳）: ディープラーニングによる燃料電池電極のx線画像の異常検出
• Authors: Simon B. Jensen, Thomas B. Moeslund, S{\o}ren J. Andreasen
• Abstract要約: 白金触媒溶液で被覆された燃料電池電極の16ビットX線画像データからなる実世界のラベル付き異常データセットを作成する。 このデータセットは、電極が傷、泡、汚泥などを含む11の共通異常を持つ多様な異常セットを含む。 本研究は, 異常を有する燃料電池電極を異常と呼ばれる単一クラス, 正常な燃料電池電極を正常と呼ばれるクラスに分類し, 異常検出問題を二分分類問題に抽象化する。
• 参考スコア（独自算出の注目度）: 21.62372630603786
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Anomaly detection in X-ray images has been an active and lasting research area in the last decades, especially in the domain of medical X-ray images. For this work, we created a real-world labeled anomaly dataset, consisting of 16-bit X-ray image data of fuel cell electrodes coated with a platinum catalyst solution and perform anomaly detection on the dataset using a deep learning approach. The dataset contains a diverse set of anomalies with 11 identified common anomalies where the electrodes contain e.g. scratches, bubbles, smudges etc. We experiment with 16-bit image to 8-bit image conversion methods to utilize pre-trained Convolutional Neural Networks as feature extractors (transfer learning) and find that we achieve the best performance by maximizing the contrasts globally across the dataset during the 16-bit to 8-bit conversion, through histogram equalization. We group the fuel cell electrodes with anomalies into a single class called abnormal and the normal fuel cell electrodes into a class called normal, thereby abstracting the anomaly detection problem into a binary classification problem. We achieve a balanced accuracy of 85.18\%. The anomaly detection is used by the company, Serenergy, for optimizing the time spend on the quality control of the fuel cell electrodes
• Abstract（参考訳）: X線画像の異常検出は、特に医療用X線画像の領域において、ここ数十年で活発で永続的な研究領域となっている。 本研究では,白金触媒溶液を被覆した燃料電池電極の16ビットX線画像データからなる実世界のラベル付き異常データセットを作成し,深層学習による異常検出を行った。 このデータセットは、電極が例えば、引っかき傷、泡、汚泥などを含む11の共通異常を有する多様な異常セットを含む。 16ビット画像から8ビット画像への変換を実験し、事前学習された畳み込みニューラルネットワークを特徴抽出器(転送学習)として活用し、ヒストグラム等化による16ビットから8ビットの変換において、データセット全体のコントラストを最大化することで、最高の性能を得る。 本研究は, 異常を有する燃料電池電極を異常と呼ばれる単一クラス, 正常な燃料電池電極を正常と呼ばれるクラスに分類し, 異常検出問題を二分分類問題に抽象化する。 平衡精度85.18\%を達成する。 異常検出は、燃料電池電極の品質管理に要する時間を最適化するために、Sernergy社によって使用される。

関連論文リスト

• Spatial-aware Attention Generative Adversarial Network for Semi-supervised Anomaly Detection in Medical Image [63.59114880750643]
  本稿では,一級半教師付き健康画像生成のための空間意識生成ネットワーク(SAGAN)について紹介する。 SAGANは、正常な画像の復元と擬似異常画像の復元によって導かれる、ラベルのないデータに対応する高品質な健康画像を生成する。 3つの医学データセットに対する大規模な実験は、提案されたSAGANが最先端の手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2024-05-21T15:41:34Z)
• AnomalyDiffusion: Few-Shot Anomaly Image Generation with Diffusion Model [59.08735812631131]
  製造業において異常検査が重要な役割を担っている。 既存の異常検査手法は、異常データが不足しているため、その性能に制限がある。 本稿では,新しい拡散型マイクロショット異常生成モデルであるAnomalyDiffusionを提案する。
  論文  参考訳（メタデータ） (2023-12-10T05:13:40Z)
• DualAttNet: Synergistic Fusion of Image-level and Fine-Grained Disease Attention for Multi-Label Lesion Detection in Chest X-rays [1.3367903535457364]
  胸部X線写真におけるDualAttNet(DualAttNet)というマルチラベル病変検出のための二重注意制御モジュールを提案する。 画像レベルの注意ブロックと微細な疾患注意アルゴリズムに基づいて、グローバルおよびローカルな病変分類情報を効率的に融合する。
  論文  参考訳（メタデータ） (2023-06-23T23:19:27Z)
• Anomaly Detection in IR Images of PV Modules using Supervised Contrastive Learning [4.409996772486956]
  我々は、赤外線画像の異常を検出するために、教師付きコントラスト損失を伴うResNet-34畳み込みニューラルネットワークを訓練する。 本手法は,未知の種類の異常を迅速かつ確実に検出し,実践に適した手法である。 我々の研究は、教師なしドメイン適応を用いたPVモジュール故障検出をより現実的な視点でコミュニティに提供します。
  論文  参考訳（メタデータ） (2021-12-06T10:42:28Z)
• CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
  畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。 少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。 本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
  論文  参考訳（メタデータ） (2021-11-16T15:03:42Z)
• Label-Free Segmentation of COVID-19 Lesions in Lung CT [17.639558085838583]
  ピクセルレベルの異常モデルを用いて,CTで新型コロナウイルスの病変を分類するためのラベルフリーアプローチを提案する。 我々のモデリングは、気管と血管の一部が、病変が属する高強度範囲にあり、強いパターンを示すという観察に着想を得たものである。 実験では,NormNetの有効性を3つの異なるデータセットで検証した。
  論文  参考訳（メタデータ） (2020-09-08T12:38:34Z)
• 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)
• Data-Driven Discovery of Molecular Photoswitches with Multioutput Gaussian Processes [51.17758371472664]
  フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。 本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。 提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
  論文  参考訳（メタデータ） (2020-06-28T20:59:03Z)
• Anomaly Detection in Medical Imaging with Deep Perceptual Autoencoders [1.7277957019593995]
  画像異常検出の新しい強力な手法を提案する。 これは、再設計されたトレーニングパイプラインを備えた古典的なオートエンコーダアプローチに依存している。 複雑な医用画像解析タスクにおける最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2020-06-23T18:45:55Z)
• Radioactive data: tracing through training [130.2266320167683]
  本稿では,このデータセットに認識不能な変化を生じさせる新しい手法であるEmphradioactive dataを提案する。 訓練されたモデルにより, 放射能データの利用を検知し, 信頼度(p-値)のレベルを提供する。 提案手法はディープネットワーク最適化におけるデータ拡張とバックドア性に対して堅牢である。
  論文  参考訳（メタデータ） (2020-02-03T18:41:08Z)
• A versatile anomaly detection method for medical images with a flow-based generative model in semi-supervision setting [0.0]
  本稿では,2つの訓練されたフローベース生成モデルに基づく異常検出手法を提案する。 この方法では、後続確率は任意の画像に対する正規度計量として計算できる。 胸部X線写真(CXR)と脳CT(BCT)の2種類の医用画像を用いて評価した。
  論文  参考訳（メタデータ） (2020-01-22T02:01:57Z)

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。