論文の概要: EfficientNet for Brain-Lesion classification
- arxiv url: http://arxiv.org/abs/2208.04616v1
- Date: Tue, 9 Aug 2022 09:21:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-10 12:26:34.821376
- Title: EfficientNet for Brain-Lesion classification
- Title(参考訳): 脳結節分類のための効率的ネット
- Authors: Quoc-Huy Trinh, Trong-Hieu Nguyen Mau, Radmir Zosimov, Minh-Van Nguyen
- Abstract要約: 我々は3次元画像に効率的なネットを用いる手法を提案し、特にブレイン・レジョン分類タスクの効率的なネットB0を提案する。
また,MRIデータのスライスを分類するために,Multiscale-EfficientNetを用いた手法を提案する。
- 参考スコア(独自算出の注目度): 4.081433571732691
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the development of technology, there are increasing cases of brain
disease, there are more treatments proposed and achieved a positive result.
However, with Brain-Lesion, the early diagnoses can improve the possibility for
successful treatment and can help patients recuperate better. From this reason,
Brain-Lesion is one of the controversial topics in medical images analysis
nowadays. With the improvement of the architecture, there is a variety of
methods that are proposed and achieve competitive scores. In this paper, we
proposed a technique that uses efficient-net for 3D images, especially the
Efficient-net B0 for Brain-Lesion classification task solution, and achieve the
competitive score. Moreover, we also proposed the method to use
Multiscale-EfficientNet to classify the slices of the MRI data
- Abstract(参考訳): 技術開発において、脳疾患の症例が増えており、より多くの治療が提案され、ポジティブな結果が得られた。
しかし、Brain-Lesionでは、早期診断は治療の成功の可能性を改善し、患者の回復に役立つ。
このことから、現代の医療画像分析における議論の的となっている。
アーキテクチャの改善により、様々な方法が提案され、競争的なスコアが得られます。
本稿では,3次元画像,特にブレイン・レジョン分類タスクの効率的なB0を効率よく利用し,競争的なスコアを得る手法を提案する。
また,MRIデータのスライスを分類するためにMultiscale-EfficientNetを用いた手法も提案した。
関連論文リスト
- Aligning brain functions boosts the decoding of visual semantics in
novel subjects [3.226564454654026]
脳の反応をビデオや静止画像に合わせることで脳の復号化を促進することを提案する。
提案手法はオブジェクト外デコード性能を最大75%向上させる。
また、テスト対象者に対して100分未満のデータが得られる場合、古典的な単一オブジェクトアプローチよりも優れています。
論文 参考訳(メタデータ) (2023-12-11T15:55:20Z) - UniBrain: Universal Brain MRI Diagnosis with Hierarchical
Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。
具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文 参考訳(メタデータ) (2023-09-13T09:22:49Z) - Multiclass MRI Brain Tumor Segmentation using 3D Attention-based U-Net [0.0]
本稿では,脳腫瘍のマルチリージョンセグメンテーションのための3次元アテンションに基づくU-Netアーキテクチャを提案する。
注意機構は、健康な組織を非強調化し、悪性組織をアクセントすることで、セグメンテーションの精度を向上させる。
論文 参考訳(メタデータ) (2023-05-10T14:35:07Z) - Brain Diffuser: An End-to-End Brain Image to Brain Network Pipeline [54.93591298333767]
脳ディフューザー(Brain diffuser)は、拡散に基づくエンド・ツー・エンドの脳ネットワーク生成モデルである。
被験者間の構造的脳ネットワークの差異を分析することで、より構造的接続性や疾患関連情報を利用する。
アルツハイマー病の場合、提案モデルは、アルツハイマー病神経画像イニシアチブデータベース上の既存のツールキットの結果より優れている。
論文 参考訳(メタデータ) (2023-03-11T14:04:58Z) - Brain Tumor Diagnosis and Classification via Pre-Trained Convolutional
Neural Networks [0.0]
本稿では、診断プロセスから手作業のプロセスを取り除き、代わりに機械学習を使用する。
脳腫瘍の診断・分類にCNN(Pretrained Convolutional Neural Network)を用いた。
論文 参考訳(メタデータ) (2022-07-27T02:56:38Z) - Cross-Modality Deep Feature Learning for Brain Tumor Segmentation [158.8192041981564]
本稿では, マルチモーダルMRIデータから脳腫瘍を抽出するクロスモーダルディープ・フィーチャーラーニング・フレームワークを提案する。
中心となる考え方は、不十分なデータスケールを補うために、マルチモダリティデータにまたがる豊富なパターンをマイニングすることだ。
on the BraTS benchmarks, this proposed cross-modality deep feature learning framework could effective improve the brain tumor segmentation performance。
論文 参考訳(メタデータ) (2022-01-07T07:46:01Z) - Triplet Contrastive Learning for Brain Tumor Classification [99.07846518148494]
本稿では,脳腫瘍の深層埋め込みを直接学習する手法を提案する。
本手法は,27種類の腫瘍群からなる広範囲な脳腫瘍データセットを用いて評価し,そのうち13種は稀である。
論文 参考訳(メタデータ) (2021-08-08T11:26:34Z) - DFENet: A Novel Dimension Fusion Edge Guided Network for Brain MRI
Segmentation [0.0]
本稿では,2次元CNNと3次元CNNの特徴を融合させることにより,これらの要件を満たす新しいDFENetを提案する。
提案手法は, 既存の方法よりも頑健で正確であり, バイオメディカルな応用に頼ることができる。
論文 参考訳(メタデータ) (2021-05-17T15:43:59Z) - 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) - Learning Binary Semantic Embedding for Histology Image Classification
and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。
効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。
3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文 参考訳(メタデータ) (2020-10-07T08:36:44Z) - Robust Semantic Segmentation of Brain Tumor Regions from 3D MRIs [2.4736005621421686]
マルチモーダル脳腫瘍セグメンテーションチャレンジ(BraTS)は、3次元MRI脳腫瘍セグメンテーションの自動化方法を改善するために研究者を結集させる。
この手法をBraTS 2019の課題として評価した。
論文 参考訳(メタデータ) (2020-01-06T07:47:42Z)
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。