論文の概要: Evaluating Generatively Synthesized Diabetic Retinopathy Imagery

• arxiv url: http://arxiv.org/abs/2208.05593v1
• Date: Wed, 10 Aug 2022 23:50:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-12 13:37:36.532136
• Title: Evaluating Generatively Synthesized Diabetic Retinopathy Imagery
• Title（参考訳）: 合成糖尿病網膜症画像の評価
• Authors: Cristina-Madalina Dragan and Ruairi O'Reilly
• Abstract要約: この研究は、文献で用いられる評価指標の適合性を実証的に評価する最初の試みである。 合成糖尿病性腎症画像の品質と多様性を評価するために,フレシェト・インセプション・ディセプション・ディスタンス,ピーク・シグナル・トゥ・ノイズ比,コサイン・ディセプションの能力について検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Publicly available data for the training of diabetic retinopathy classifiers is unbalanced. Generative adversarial networks can successfully synthesize retinal fundus imagery. In order for synthetic imagery to be of benefit, images need to be of high quality and diverse. Presently, several evaluation metrics are used to evaluate the quality and diversity of imagery synthesized from generative adversarial networks. This work contributes, the first of its kind, empirical assessment for the suitability of evaluation metrics used in the literature for the evaluation of generative adversarial networks for generating retinal fundus images in the context of diabetic retinopathy. Frechet Inception Distance, Peak Signal-to-Noise Ratio and Cosine Distance's capacity to assess the quality and diversity of synthetic proliferative diabetic retionpathy imagery is investigated. A quantitative analysis is performed to enable an improved methodology for selecting the synthetic imagery to be used for augmenting a classifier's training dataset. Results indicate that Frechet Inception Distance is suitable for evaluating the diversity of synthetic imagery, and for identifying if the imagery has features corresponding to its class label. Peak Signal-to-Noise Ratio is suitable for indicating if the synthetic imagery has valid diabetic retinopathy lesions and if its features correspond to its class label. These results demonstrate the importance of performing such empirical evaluation, especially in the context of biomedical domains where utilisation in applied setting is intended.
• Abstract（参考訳）: 糖尿病網膜症分類器の訓練のための公開データは、不均衡である。 生成的敵ネットワークは網膜基底画像の合成に成功できる。 合成画像の利益を得るためには、画像は高品質で多様である必要がある。 現在,複数の評価指標を用いて,生成的敵対ネットワークから合成した画像の品質と多様性を評価する。 本研究は,糖尿病網膜症における網膜底部画像生成のための生成的逆ネットワークの評価のために文献で用いられる評価指標の適合性について,その最初の実証的評価に寄与する。 合成増殖糖尿病イメージの質と多様性を評価するためのfrechetインセプション距離,ピーク信号対雑音比,コサイン距離の能力について検討した。 分類器の訓練データセットを増強するために使用される合成画像を選択するための改良された方法論を可能にするために定量的解析を行う。 その結果、Frechet Inception Distanceは、合成画像の多様性を評価し、その画像がそのクラスラベルに対応する特徴を持っているかどうかを識別するのに適していることが示唆された。 Peak Signal-to-Noise Ratioは、合成画像が糖尿病網膜症に有効な病変を有し、その特徴がそのクラスラベルに対応するかどうかを示すのに適している。 これらの結果は,特に応用環境における利用が意図される生体医学領域の文脈において,このような経験的評価を行うことの重要性を示している。

関連論文リスト

• Introducing SDICE: An Index for Assessing Diversity of Synthetic Medical Datasets [3.9539878659683363]
  コントラストエンコーダによって誘導される類似度分布の特性に基づくSDICEインデックスを提案する。 合成データセットと実画像の参照データセットが与えられた場合、SDICEインデックスは、原画像と合成画像の類似度スコア分布間の距離を測定する。 MIMIC-chest X-rayデータセットとImageNetデータセットで実施された実験は、SDICEインデックスの有効性を示した。
  論文  参考訳（メタデータ） (2024-09-28T18:47:17Z)
• Non-Reference Quality Assessment for Medical Imaging: Application to Synthetic Brain MRIs [0.0]
  本研究では,3次元ResNetをトレーニングすることで脳MRI品質を評価するための,ディープラーニングに基づく新しい非参照手法を提案する。 このネットワークは、MRIスキャンでよく見られる6つの異なるアーティファクトで品質を推定するように設計されている。 その結果、歪みを正確に推定し、複数の視点から画質を反映する性能が向上した。
  論文  参考訳（メタデータ） (2024-07-20T22:05:30Z)
• Assessing Intra-class Diversity and Quality of Synthetically Generated Images in a Biomedical and Non-biomedical Setting [0.6308539010172307]
  GAN(Generative Adversarial Networks)は、データ拡張タスクにますます依存している。 異なるサンプルサイズを用いて合成画像の多様性と品質を評価する。 その結果,バイオメディカル・バイオメディカル・バイオメディカル・バイオメディカル・バイオメディカル・バイオメディカル・バイオメディカル・バイオメディカル・バイオメディカル・バイオメディカル・バイオメディカル・バイオメディカル・バイオメディカル・バイオメディカル・バイオメディカル・バイオメディカル・イメージング・モダリティにおいて,多様性と品質のスコアは著しく異なることがわかった。
  論文  参考訳（メタデータ） (2023-07-23T16:39:18Z)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• This Intestine Does Not Exist: Multiscale Residual Variational Autoencoder for Realistic Wireless Capsule Endoscopy Image Generation [7.430724826764835]
  新規な変分オートエンコーダアーキテクチャ,すなわち "This Intestine Don Not Exist" (TIDE) を提案する。 提案アーキテクチャは,マルチスケールな特徴抽出畳み込みブロックと残差接続を備え,高品質で多様なデータセットの生成を可能にする。 利用可能なデータセットの増大を指向した現在のアプローチとは対照的に,本研究では,TIDEを用いて実際のWCEデータセットを完全に置換できることを実証する。
  論文  参考訳（メタデータ） (2023-02-04T11:49:38Z)
• A Self-attention Guided Multi-scale Gradient GAN for Diversified X-ray Image Synthesis [0.6308539010172307]
  GAN(Generative Adversarial Networks)を用いて,合成画像の生成によるデータ制限問題に対処する。 モード崩壊、非収束、不安定といったトレーニング課題は、多彩で高品質な画像の合成において、GANのパフォーマンスを低下させる。 本研究では,バイオメディカル画像の特徴の長距離依存性の関係をモデル化する,注意誘導型マルチスケール勾配GANアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-10-09T13:17:17Z)
• SIAN: Style-Guided Instance-Adaptive Normalization for Multi-Organ Histopathology Image Synthesis [63.845552349914186]
  本研究では,異なる臓器に対して,現実的な色分布とテクスチャを合成するためのスタイル誘導型インスタンス適応正規化(SIAN)を提案する。 4つのフェーズは一緒に動作し、生成ネットワークに統合され、イメージセマンティクス、スタイル、インスタンスレベルのバウンダリを埋め込む。
  論文  参考訳（メタデータ） (2022-09-02T16:45:46Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Diffusion-Weighted Magnetic Resonance Brain Images Generation with Generative Adversarial Networks and Variational Autoencoders: A Comparison Study [55.78588835407174]
  本研究では,高画質,多彩で現実的な拡散重み付き磁気共鳴画像が深部生成モデルを用いて合成可能であることを示す。 Introspective Variational AutoencoderとStyle-Based GANの2つのネットワークを医療分野におけるデータ拡張の資格として提示する。
  論文  参考訳（メタデータ） (2020-06-24T18:00:01Z)
• 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。