論文の概要: Surface abnormality detection in medical and inspection systems using energy variations in co-occurrence matrixes

• arxiv url: http://arxiv.org/abs/2210.07812v1
• Date: Fri, 14 Oct 2022 13:41:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-17 17:00:01.464481
• Title: Surface abnormality detection in medical and inspection systems using energy variations in co-occurrence matrixes
• Title（参考訳）: 共起マトリックスのエネルギー変動を利用した医療・検査システムの表面異常検出
• Authors: Nandara K. Krishnand, Akshakhi Kumar Pritoonka, Faeze Kiani
• Abstract要約: 提案手法は,2段階の訓練と試験からなる。 提案手法は、医学的応用において、疾患などの異常を検出するために用いられる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Detection of surface defects is one of the most important issues in the field of image processing and machine vision. In this article, a method for detecting surface defects based on energy changes in co-occurrence matrices is presented. The presented method consists of two stages of training and testing. In the training phase, the co-occurrence matrix operator is first applied on healthy images and then the amount of output energy is calculated. In the following, according to the changes in the amount of energy, a suitable feature vector is defined, and with the help of it, a suitable threshold for the health of the images is obtained. Then, in the test phase, with the help of the calculated quorum, the defective parts are distinguished from the healthy ones. In the results section, the mentioned method has been applied on stone and ceramic images and its detection accuracy has been calculated and compared with some previous methods. Among the advantages of the presented method, we can mention high accuracy, low calculations and compatibility with all types of levels due to the use of the training stage. The proposed approach can be used in medical applications to detect abnormalities such as diseases. So, the performance is evaluated on 2d-hela dataset to classify cell phenotypes. The proposed approach provides about 89.56 percent accuracy on 2d-hela.
• Abstract（参考訳）: 表面欠陥の検出は、画像処理とマシンビジョンの分野で最も重要な問題の1つである。 本稿では,共起行列のエネルギー変化に基づく表面欠陥検出法について述べる。 提案手法は,2段階の訓練と試験からなる。 トレーニング段階では、共起行列演算子がまず健康な画像に適用され、次に出力エネルギーの量を算出する。 以下、エネルギー量の変化に応じて、適切な特徴ベクトルを定義し、その助けを借りて、画像の健康に適した閾値を求める。 そして、試験段階では、算出されたクォーラムの助けを借りて、欠陥部分と健康部分とを区別する。 以上の結果から, 石および陶磁器の画像に対して, 上記の手法を適用し, 検出精度を計算し, 比較した。 提案手法の利点の1つとして,訓練段階の使用により,高精度,低計算,各種レベルとの整合性を挙げることができる。 提案手法は,疾患などの異常を検出するための医学的応用に有用である。 そのため、2d-helaデータセット上で性能評価を行い、細胞表現型を分類する。 提案手法は2d-helaの精度が約89.66%である。

関連論文リスト

• Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
  本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。 提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。 医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2024-03-19T09:28:19Z)
• AnoDODE: Anomaly Detection with Diffusion ODE [0.0]
  異常検出は、データセットの大部分から著しく逸脱する非定型的なデータサンプルを特定するプロセスである。 医用画像から抽出した特徴量の密度を推定し,拡散モードに基づく新しい異常検出手法を提案する。 提案手法は異常を識別するだけでなく,画像レベルと画素レベルでの解釈性も提供する。
  論文  参考訳（メタデータ） (2023-10-10T08:44:47Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• Reconstructed Student-Teacher and Discriminative Networks for Anomaly Detection [8.35780131268962]
  学生と教師のネットワークで構成されるSTPM(Standard-Teacher Feature pyramid matching)に基づいて,強力な異常検出手法を提案する。 本研究は,STPMの精度を向上させるために,学生ネットワークを生成モデルとして使用し,通常の特徴を再構築する。 さらに精度を向上させるために,本手法では擬似アノマリーで訓練した識別ネットワークを用いる。
  論文  参考訳（メタデータ） (2022-10-14T05:57:50Z)
• 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)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Solving Inverse Problems in Medical Imaging with Score-Based Generative Models [87.48867245544106]
  CT(Computed Tomography)とMRI(Magnetic Resonance Imaging)における医用画像の再構成は重要な逆問題である 機械学習に基づく既存のソリューションは通常、測定結果を医療画像に直接マッピングするモデルを訓練する。 本稿では,最近導入されたスコアベース生成モデルを利用して,逆問題解決のための教師なし手法を提案する。
  論文  参考訳（メタデータ） (2021-11-15T05:41:12Z)
• 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)
• Advanced Deep Learning Methodologies for Skin Cancer Classification in Prodromal Stages [0.3058685580689604]
  提案した研究は2つの主要なフェーズから構成される。 第1フェーズでは、画像が前処理され、クラッタが除去され、訓練画像の洗練されたバージョンが生成される。 実験の結果,両ネットワークの精細化版を用いて,列車および検証精度の顕著な向上を示した。 アートインセプション-v3ネットワークを用いた最終テスト精度は86%であった。
  論文  参考訳（メタデータ） (2020-03-13T16:07:00Z)
• A versatile anomaly detection method for medical images with a flow-based generative model in semi-supervision setting [0.0]
  本稿では,2つの訓練されたフローベース生成モデルに基づく異常検出手法を提案する。 この方法では、後続確率は任意の画像に対する正規度計量として計算できる。 胸部X線写真(CXR)と脳CT(BCT)の2種類の医用画像を用いて評価した。
  論文  参考訳（メタデータ） (2020-01-22T02:01:57Z)

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。