Fugu-MT 論文翻訳(概要): Comparing feature fusion strategies for Deep Learning-based kidney stone identification

論文の概要: Comparing feature fusion strategies for Deep Learning-based kidney stone identification

arxiv url: http://arxiv.org/abs/2206.00069v1
Date: Tue, 31 May 2022 19:27:54 GMT
ステータス: 処理完了
システム内更新日: 2022-06-02 15:49:24.389445
Title: Comparing feature fusion strategies for Deep Learning-based kidney stone identification
Title（参考訳）: 深層学習に基づく腎臓結石識別のための特徴融合戦略の比較
Authors: Elias Villalvazo-Avila, Francisco Lopez-Tiro, Daniel Flores-Araiza, Gilberto Ochoa-Ruiz, Jonathan El-Beze, Jacques Hubert, Christian Daul
Abstract要約: 本手法は, 尿路学者が腎臓結石を視覚的に分類するために用いた形態・構造解析を模倣する目的で考案された。深い特徴融合戦略により、腎臓結石分類の精度において、単一ビュー抽出バックボーンモデルの結果を10%以上改善した。
参考スコア（独自算出の注目度）: 0.9236074230806579
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This contribution presents a deep-learning method for extracting and fusing image information acquired from different viewpoints with the aim to produce more discriminant object features. Our approach was specifically designed to mimic the morpho-constitutional analysis used by urologists to visually classify kidney stones by inspecting the sections and surfaces of their fragments. Deep feature fusion strategies improved the results of single view extraction backbone models by more than 10\% in terms of precision of the kidney stones classification.
Abstract（参考訳）: 本稿では,異なる視点から取得した画像情報を,より識別性の高い物体の特徴を抽出・融合する深層学習手法を提案する。このアプローチは、尿器科医が腎臓結石の断片の断面と表面を検査して視覚的に分類するために使用する形態構成分析を模倣するために特別に設計された。深い特徴融合戦略は, 腎臓結石分類の精度において, 単視抽出バックボーンモデルの結果を10倍以上改善した。

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)
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)
A metric learning approach for endoscopic kidney stone identification [0.879504058268139]
本稿では,DML(Deep Metric Learning)手法を用いて,サンプル数が少ないクラスを扱えるようにし,また,分散サンプルが存在しないクラスを適切に一般化し,データベースに付加される新しいクラスに対処する。提案したガイド付き深度学習アプローチは、データ表現を改良された方法で学習するように設計された、新しいアーキテクチャに基づいている。教師モデル(GEMINI)は、ラベル付きデータから事前知識に基づいて仮説空間を縮小し、知識蒸留方式により学生モデル(ResNet50)のガイドとして使用される。
論文参考訳（メタデータ） (2023-07-13T20:02:07Z)
Improving automatic endoscopic stone recognition using a multi-view fusion approach enhanced with two-step transfer learning [1.077541993594101]
内視鏡画像で見られる腎臓結石の種類を識別するために、より識別可能な物体の特徴を作り出すことを目的としている。深い特徴融合戦略により, 腎臓結石分類の精度において, 単視抽出バックボーンモデルの結果を6%以上改善した。
論文参考訳（メタデータ） (2023-04-06T16:17:28Z)
SegPrompt: Using Segmentation Map as a Better Prompt to Finetune Deep Models for Kidney Stone Classification [62.403510793388705]
深層学習は、内視鏡画像を用いた腎臓結石分類のための奨励的な結果を生み出している。注釈付きトレーニングデータの不足は、トレーニングされたモデルの性能と一般化能力を改善する上で深刻な問題を引き起こす。本稿では,セグメンテーションマップを2つの側面から活用することにより,データ不足問題を軽減するためにSegPromptを提案する。
論文参考訳（メタデータ） (2023-03-15T01:30:48Z)
Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。既存のディープラーニングベースの手法は、有望な再構築性能を得た。本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
論文参考訳（メタデータ） (2022-12-26T13:56:12Z)
Improved Kidney Stone Recognition Through Attention and Multi-View Feature Fusion Strategies [0.9236074230806579]
内視鏡の異なる視点から得られた腎臓の石片に関する情報の抽出と融合のための深層学習法を提案する。各畳み込みブロックの端に注目層を追加して特徴の識別力を向上させるために、分類器の訓練中に、表面と断面のフラグメント画像が共同で使用される。最先端技術と比較すると, 深部特徴の融合により, 腎臓結石の分類精度は11%まで向上した。
論文参考訳（メタデータ） (2022-11-05T19:49:03Z)
Boosting Kidney Stone Identification in Endoscopic Images Using Two-Step Transfer Learning [0.8431877864777444]
提案手法は,CCDカメラで取得した腎臓結石の画像に基づいて得られた知識を,内視鏡画像から画像を分類する最終モデルに伝達する。その結果、類似した情報を持つ異なる領域からの学習特徴が、実環境における分類を行うモデルの性能向上に有効であることが示唆された。
論文参考訳（メタデータ） (2022-10-24T23:22:22Z)
Using machine learning on new feature sets extracted from 3D models of broken animal bones to classify fragments according to break agent [53.796331564067835]
ホミニン骨破壊による骨片と肉食動物による骨片の識別を目的とした骨折パターン解析への新しいアプローチを提案する。この方法では、断片的な骨の3Dモデルを用いて、これまで骨折パターン解析に使用されていた特徴セットよりも透明性が高くレプリカ性の高いデータセットを抽出する。監視された機械学習アルゴリズムは、骨断片を破片のエージェントに従って適切に分類するために使用され、平均的精度はテスト全体で77%である。
論文参考訳（メタデータ） (2022-05-20T20:16:21Z)
Assessing deep learning methods for the identification of kidney stones in endoscopic images [0.0]
腎臓石のタイプ(すなわち生化学組成)を知ることは再発を防ぐために重要である。尿素コピー中に腎臓結石を断片化し、尿路から抽出し、その組成を形態構成分析を用いて決定する。本稿では、ディープ畳み込みニューラルネットワーク(DCNN)と従来の(非DCNN)の5つの分類手法について論じ、比較する。
論文参考訳（メタデータ） (2021-03-01T17:31:01Z)
Attention Model Enhanced Network for Classification of Breast Cancer Image [54.83246945407568]
AMENはマルチブランチ方式で、画素ワイドアテンションモデルとサブモジュールの分類で定式化される。微妙な詳細情報に焦点を合わせるため、サンプル画像は、前枝から生成された画素対応の注目マップによって強化される。 3つのベンチマークデータセットで行った実験は、様々なシナリオにおいて提案手法の優位性を実証している。
論文参考訳（メタデータ） (2020-10-07T08:44:21Z)

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。