論文の概要: GAN-based Medical Image Small Region Forgery Detection via a Two-Stage Cascade Framework

• arxiv url: http://arxiv.org/abs/2205.15170v1
• Date: Mon, 30 May 2022 15:21:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-31 18:42:43.381292
• Title: GAN-based Medical Image Small Region Forgery Detection via a Two-Stage Cascade Framework
• Title（参考訳）: GANを用いた2段階カスケードフレームワークによる医療画像小領域偽造検出
• Authors: Jianyi Zhang, Xuanxi Huang, Yaqi Liu, Yuyang Han, Zixiao Xiang
• Abstract要約: CT-GANと呼ばれる新たな攻撃が出現し、肺がんの病変をCTスキャンに注入または除去することができる。 改ざん領域が元の画像の1%未満を占めることもあるため、最先端の手法でさえ、改ざんの痕跡を検出することは困難である。 本稿では,CT-GANのようなGANベースの医療画像小領域の偽造を検出するためのカスケードフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 12.24879640482427
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Using generative adversarial network (GAN)\cite{RN90} for data enhancement of medical images is significantly helpful for many computer-aided diagnosis (CAD) tasks. A new attack called CT-GAN has emerged. It can inject or remove lung cancer lesions to CT scans. Because the tampering region may even account for less than 1\% of the original image, even state-of-the-art methods are challenging to detect the traces of such tampering. This paper proposes a cascade framework to detect GAN-based medical image small region forgery like CT-GAN. In the local detection stage, we train the detector network with small sub-images so that interference information in authentic regions will not affect the detector. We use depthwise separable convolution and residual to prevent the detector from over-fitting and enhance the ability to find forged regions through the attention mechanism. The detection results of all sub-images in the same image will be combined into a heatmap. In the global classification stage, using gray level co-occurrence matrix (GLCM) can better extract features of the heatmap. Because the shape and size of the tampered area are uncertain, we train PCA and SVM methods for classification. Our method can classify whether a CT image has been tampered and locate the tampered position. Sufficient experiments show that our method can achieve excellent performance.
• Abstract（参考訳）: generative adversarial network (gan)\cite{rn90}) を医療画像のデータエンハンスメントに利用することは、多くのcad(computer-aided diagnostic)タスクにおいて非常に有用である。 CT-GANと呼ばれる新たな攻撃が現れた。 肺がんの病変をCTスキャンに注入または除去することができる。 改ざん領域が元の画像の1\%未満を占めることもあるため、最先端の手法でさえ、改ざんの痕跡を検出することは困難である。 本稿では,CT-GANのような医療画像小領域の偽造を検出するためのカスケードフレームワークを提案する。 局所検出段階では,検出器ネットワークを小さなサブイメージで訓練することで,真正な領域の干渉情報が検出器に影響を与えないようにする。 奥行き分離可能な畳み込みと残差を用いて,検出器の過剰フィッティングを防止するとともに,注意機構による鍛造領域の検出能力を向上させる。 同じ画像内のすべてのサブイメージの検出結果は、ヒートマップに結合される。 地球規模の分類段階では、gray level co-occurrence matrix (glcm) を用いるとヒートマップの特徴をよりよく抽出できる。 改ざん領域の形状と大きさは不確かであるため,PCA法とSVM法を訓練して分類を行う。 本手法では,CT画像の改ざんの有無を分類し,改ざん位置を特定する。 十分な実験により,本手法は優れた性能が得られることが示された。

関連論文リスト

• CTARR: A fast and robust method for identifying anatomical regions on CT images via atlas registration [0.09130220606101362]
  我々はCT解剖学的領域認識のための新しい汎用手法であるCTARRを紹介する。 この方法は、ディープラーニングベースのCT画像解析パイプラインの事前処理ステップとして機能する。 提案手法は, アトラス登録に基づいて, 無ラベルCTスキャンから1つまたは複数の境界ボックスとして符号化された解剖学的領域を抽出する高速かつ堅牢な方法を提供する。
  論文  参考訳（メタデータ） (2024-10-03T08:52:21Z)
• Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
  本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。 本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。 実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-10-22T02:27:02Z)
• Gall Bladder Cancer Detection from US Images with Only Image Level Labels [7.89876701812201]
  画像レベルラベルのみを用いた胆嚢癌(GBC)の検出に着目する。 GBC検出のための標準画像分類モデルを訓練することは困難である。 トレーニング用にバウンディングボックスアノテーションは使用できないため、弱い教師付きオブジェクト検出として問題に対処する。
  論文  参考訳（メタデータ） (2023-09-11T06:37:12Z)
• Multi-View Vertebra Localization and Identification from CT Images [57.56509107412658]
  我々は,CT画像からの多視点椎体局在と同定を提案する。 本研究では,3次元問題を異なる視点における2次元局所化および識別タスクに変換する。 本手法は,多視点グローバル情報を自然に学習することができる。
  論文  参考訳（メタデータ） (2023-07-24T14:43:07Z)
• Radiomics-Guided Global-Local Transformer for Weakly Supervised Pathology Localization in Chest X-Rays [65.88435151891369]
  Radiomics-Guided Transformer (RGT)は、テキストトグロバル画像情報と、テキストトグロバル情報とを融合する。 RGTは、画像トランスフォーマーブランチ、放射能トランスフォーマーブランチ、および画像と放射線情報を集約する融合層から構成される。
  論文  参考訳（メタデータ） (2022-07-10T06:32:56Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• 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)
• Multiscale Detection of Cancerous Tissue in High Resolution Slide Scans [0.0]
  高分解能スライドスキャンにおけるマルチスケール腫瘍(キメラ細胞)検出アルゴリズムを提案する。 提案手法では,CNNの異なる層における有効受容場を改良し,幅広いスケールの物体を1つの前方通過で検出する。
  論文  参考訳（メタデータ） (2020-10-01T18:56:46Z)
• An encoder-decoder-based method for COVID-19 lung infection segmentation [3.561478746634639]
  本稿では,CTスキャン画像を用いた多タスク深層学習による肺感染症セグメンテーションを提案する。 提案手法は,データやラベル付き画像が不足していても,肺感染症を高いパフォーマンスで分離することができる。
  論文  参考訳（メタデータ） (2020-07-02T04:02:03Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)

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。