論文の概要: Segmentation Network with Compound Loss Function for Hydatidiform Mole Hydrops Lesion Recognition

• arxiv url: http://arxiv.org/abs/2204.04956v1
• Date: Mon, 11 Apr 2022 09:08:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-13 02:31:18.490418
• Title: Segmentation Network with Compound Loss Function for Hydatidiform Mole Hydrops Lesion Recognition
• Title（参考訳）: hydatidiform mole hydrops lesion recognitionのための複合損失機能付きセグメンテーションネットワーク
• Authors: Chengze Zhu, Pingge Hu, Xianxu Zeng, Xingtong Wang, Zehua Ji and Li Shi
• Abstract要約: 病理形態学はヒダチダイフォームモールの標準的な診断法である。 不完全な病変発生のため,早期のヒダチダイフォームモールの識別は困難である。 そこで我々は,新しい損失関数と訓練法に基づくヒダチ型モルヒドロプス病変セグメントモデルを構築した。
• 参考スコア（独自算出の注目度）: 1.725719737332946
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pathological morphology diagnosis is the standard diagnosis method of hydatidiform mole. As a disease with malignant potential, the hydatidiform mole section of hydrops lesions is an important basis for diagnosis. Due to incomplete lesion development, early hydatidiform mole is difficult to distinguish, resulting in a low accuracy of clinical diagnosis. As a remarkable machine learning technology, image semantic segmentation networks have been used in many medical image recognition tasks. We developed a hydatidiform mole hydrops lesion segmentation model based on a novel loss function and training method. The model consists of different networks that segment the section image at the pixel and lesion levels. Our compound loss function assign weights to the segmentation results of the two levels to calculate the loss. We then propose a stagewise training method to combine the advantages of various loss functions at different levels. We evaluate our method on a hydatidiform mole hydrops dataset. Experiments show that the proposed model with our loss function and training method has good recognition performance under different segmentation metrics.
• Abstract（参考訳）: 病理形態診断はhydatidiform moleの標準診断法である。 悪性度を有する疾患としては,ヒドロプス病変のヒダチジホルムモール部が重要な診断基準である。 不完全な病変発生のため,早期のヒダチジホルムモールの鑑別は困難であり,臨床診断の精度は低い。 優れた機械学習技術として、多くの医療画像認識タスクで画像セマンティックセグメンテーションネットワークが使用されている。 そこで我々は,新しい損失関数と訓練法に基づくヒダチジフォームモールヒドロプス病変セグメントモデルを開発した。 モデルは、セクションイメージをピクセルと病変レベルに分割する異なるネットワークで構成されている。 複合損失関数は、損失を計算するために2つのレベルのセグメンテーション結果に重みを割り当てる。 次に,異なるレベルにおける各種損失関数の利点を組み合わせるための段階的トレーニング手法を提案する。 本手法はhydatidiform mole hydropsデータセット上で評価する。 実験により,損失関数と訓練法を併用したモデルが,セグメンテーション指標の異なる場合の認識性能が良好であることが判明した。

関連論文リスト

• Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding [51.38395069380457]
  変性性脊椎疾患は高齢者に多い。 骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。 本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
  論文  参考訳（メタデータ） (2023-12-08T18:11:22Z)
• Intelligent Cervical Spine Fracture Detection Using Deep Learning Methods [0.0]
  本稿では,各画像スライスにおける頚椎の存在を識別するための2段階パイプラインを提案する。 第1段階では、画像メタデータと画像メタデータを組み込んだマルチインプットネットワークを訓練する。 第2段階では、画像内の骨折を検出するためにYOLOv8モデルを訓練し、その効果をYOLOv5と比較する。
  論文  参考訳（メタデータ） (2023-11-09T19:34:42Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• Whole-Body Lesion Segmentation in 18F-FDG PET/CT [11.662584140924725]
  提案モデルは, 全身の病変を予測するために, 2D と 3D nnUNET アーキテクチャを基礎として設計されている。 提案手法は, ダイススコア, 偽陽性ボリューム, 偽陰性ボリュームの計測値において, 病変のセグメンテーション性能を計測するAutoPet Challengeの文脈で評価する。
  論文  参考訳（メタデータ） (2022-09-16T10:49:53Z)
• Mixed-UNet: Refined Class Activation Mapping for Weakly-Supervised Semantic Segmentation with Multi-scale Inference [28.409679398886304]
  我々は、デコードフェーズに2つの並列分岐を持つMixed-UNetという新しいモデルを開発する。 地域病院や公開データセットから収集したデータセットに対して,いくつかの一般的なディープラーニングに基づくセグメンテーションアプローチに対して,設計したMixed-UNetを評価した。
  論文  参考訳（メタデータ） (2022-05-06T08:37:02Z)
• A Semantic Segmentation Network Based Real-Time Computer-Aided Diagnosis System for Hydatidiform Mole Hydrops Lesion Recognition in Microscopic View [1.725719737332946]
  ヒダチジホルムモール(HM)は、最も一般的な摂食性トロフォブラスト性疾患の1つである。 病理学の分野では、多彩なHM病変の顕微所見は、診断経験の広い医師が診断ミスや誤診を予防するために必要であることを意味している。 我々は,HMハイドロプス病変をリアルタイムに観察するディープラーニングCADシステムを構築した。
  論文  参考訳（メタデータ） (2022-04-11T08:51:16Z)
• Learning Fuzzy Clustering for SPECT/CT Segmentation via Convolutional Neural Networks [5.3123694982708365]
  QBSPECT(Quantitative bone single-photon emission Computed Tomography)は、平面骨シンチグラフィよりも骨転移をより定量的に評価する可能性を秘めています。 解剖学的領域-関心(ROI)のセグメント化は、まだ専門家による手動の記述に大きく依存しています。 本研究では,QBSPECT画像を病変,骨,背景に分割するための高速かつ堅牢な自動分割法を提案する。
  論文  参考訳（メタデータ） (2021-04-17T19:03:52Z)
• 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)
• Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
  胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。 また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
  論文  参考訳（メタデータ） (2020-07-21T14:37:00Z)
• Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent Multi-View Representation Learning [48.05232274463484]
  最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。 多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。 本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
  論文  参考訳（メタデータ） (2020-05-06T15:19:15Z)

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。