論文の概要: Application of DatasetGAN in medical imaging: preliminary studies

• arxiv url: http://arxiv.org/abs/2202.13463v1
• Date: Sun, 27 Feb 2022 22:03:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-01 14:23:59.475023
• Title: Application of DatasetGAN in medical imaging: preliminary studies
• Title（参考訳）: DatasetGANの医用画像への応用:予備的検討
• Authors: Zong Fan, Varun Kelkar, Mark A. Anastasio, Hua Li
• Abstract要約: ジェネレーティブ・ディベサール・ネットワーク(GAN)は医用画像の多くの可能性について広く研究されている。 datasetGANは、高品質なセグメンテーションイメージを合成できるモダンなGANをベースにした、最近提案されたフレームワークである。 医療画像への応用に焦点を当てた研究は発表されていない。
• 参考スコア（独自算出の注目度）: 10.260087683496431
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative adversarial networks (GANs) have been widely investigated for many potential applications in medical imaging. DatasetGAN is a recently proposed framework based on modern GANs that can synthesize high-quality segmented images while requiring only a small set of annotated training images. The synthesized annotated images could be potentially employed for many medical imaging applications, where images with segmentation information are required. However, to the best of our knowledge, there are no published studies focusing on its applications to medical imaging. In this work, preliminary studies were conducted to investigate the utility of DatasetGAN in medical imaging. Three improvements were proposed to the original DatasetGAN framework, considering the unique characteristics of medical images. The synthesized segmented images by DatasetGAN were visually evaluated. The trained DatasetGAN was further analyzed by evaluating the performance of a pre-defined image segmentation technique, which was trained by the use of the synthesized datasets. The effectiveness, concerns, and potential usage of DatasetGAN were discussed.
• Abstract（参考訳）: ジェネレーティブ・ディベサール・ネットワーク(GAN)は医療画像の多くの可能性について広く研究されている。 DatasetGANは最近のGANをベースにしたフレームワークで、注釈付きトレーニングイメージの小さなセットだけを必要としながら高品質なセグメンテーションイメージを合成できる。 合成アノテートされた画像は、セグメンテーション情報を必要とする多くの医療画像アプリケーションに利用される可能性がある。 しかし、我々の知る限りでは、医療画像への応用に焦点を当てた研究は発表されていない。 本研究では,医療画像におけるDatasetGANの有用性について予備的検討を行った。 医用画像の特徴を考慮し,元のDatasetGANフレームワークに3つの改良が提案された。 DatasetGANによる合成セグメント画像の視覚的評価を行った。 訓練されたデータセットは、合成されたデータセットを用いて訓練された予め定義された画像分割技術の性能を評価することでさらに解析された。 datasetganの有効性、懸念、潜在的利用について論じた。

関連論文リスト

• Exploring Variational Autoencoders for Medical Image Generation: A Comprehensive Study [0.3749861135832073]
  可変オートエンコーダ(VAE)は、医用画像生成の分野で最も一般的な技術の一つである。 VAEには、小さなデータセットと不均衡なクラスを持つデータセットにサンプルを追加することで、データセットを改善するというメリットがある。
  論文  参考訳（メタデータ） (2024-11-11T20:12:13Z)
• Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
  本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。 本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。 その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
  論文  参考訳（メタデータ） (2024-10-31T19:48:50Z)
• Eye-gaze Guided Multi-modal Alignment for Medical Representation Learning [65.54680361074882]
  アイゲイズガイドマルチモーダルアライメント(EGMA)フレームワークは、アイゲイズデータを利用して、医用視覚的特徴とテキスト的特徴のアライメントを改善する。 我々は4つの医療データセット上で画像分類と画像テキスト検索の下流タスクを行う。
  論文  参考訳（メタデータ） (2024-03-19T03:59:14Z)
• Radiology Report Generation Using Transformers Conditioned with Non-imaging Data [55.17268696112258]
  本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。 提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
  論文  参考訳（メタデータ） (2023-11-18T14:52:26Z)
• PCDAL: A Perturbation Consistency-Driven Active Learning Approach for Medical Image Segmentation and Classification [12.560273908522714]
  監視された学習は、医用画像のアプリケーションを取得するのに費用がかかり、時間がかかり、実用的でない、大規模な注釈付きデータに大きく依存している。 アクティブラーニング(AL)手法は、アノテーションのコストを削減するために、自然な画像分類タスクに広く応用されている。 本稿では,2次元医用画像分類,セグメンテーション,および3次元医用画像分割タスクに同時に適用可能なALベースの手法を提案する。
  論文  参考訳（メタデータ） (2023-06-29T13:11:46Z)
• MedFMC: A Real-world Dataset and Benchmark For Foundation Model Adaptation in Medical Image Classification [41.16626194300303]
  ファンデーションモデルは、多くの場合、大規模なデータで事前訓練されているが、様々なビジョンや言語アプリケーションのジャンプ開始において、最も成功している。 最近の進歩により、下流タスクにおける基礎モデルの適応は、少数のトレーニングサンプルだけで効率的に行えるようになった。 しかし, 医用画像解析におけるそのような学習パラダイムの適用は, 一般に公開されているデータやベンチマークが不足しているため, 依然として少ない。
  論文  参考訳（メタデータ） (2023-06-16T01:46:07Z)
• Pathology-Aware Generative Adversarial Networks for Medical Image Augmentation [0.22843885788439805]
  GAN(Generative Adversarial Networks)は、現実的だが斬新なサンプルを生成し、実際の画像分布を効果的にカバーする。 この論文は、医師とのコラボレーションにおいて、そのような新しい応用の臨床的意義を提示することを目的とした4つのGANプロジェクトを含んでいる。
  論文  参考訳（メタデータ） (2021-06-03T15:08:14Z)
• GANs for Medical Image Synthesis: An Empirical Study [12.36854197042851]
  GAN(Generative Adversarial Networks)はますます強力になり、心躍るフォトリアリズム画像を生み出しています。 本稿では,医療画像におけるGANのメリットを評価するために,マルチGANおよびマルチアプリケーション研究を行う。
  論文  参考訳（メタデータ） (2021-05-11T19:21:39Z)
• Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding [60.89561661441736]
  医療画像分割のための新しい手法を提案する。 深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。 深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
  論文  参考訳（メタデータ） (2020-12-10T04:01:07Z)
• Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
  ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。 臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。 そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2020-10-09T14:39:27Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。