論文の概要: Improving Segmentation of Breast Ultrasound Images: Semi Automatic Two Pointers Histogram Splitting Technique

• arxiv url: http://arxiv.org/abs/2210.10975v1
• Date: Thu, 20 Oct 2022 02:46:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-21 14:49:35.180670
• Title: Improving Segmentation of Breast Ultrasound Images: Semi Automatic Two Pointers Histogram Splitting Technique
• Title（参考訳）: 乳房超音波画像のセグメンテーションの改善:半自動2点ヒストグラム分割法
• Authors: Rasheed Abid, S. Kaisar Alam
• Abstract要約: 2つのポインターを用いた半自動ヒストグラム分割法を提案する。 出力されたBUS画像はエッジマップが向上し、通常のセグメンテーションよりもセグメンテーションが優れている。
• 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: Automatically segmenting lesion area in breast ultrasound (BUS) images is a challenging one due to its noise, speckle and artifacts. Edge-map of BUS images also does not help because in most cases the edge-map gives no information whatsoever. Almost all segmentation technique takes the edge-map of the image as its first step, though there are a few algorithms that try to avoid edge-maps as well. Improving the edge-map of breast ultrasound images theoretically improves the chances of automatic segmentation to be more precise. In this paper, we propose a semi-automatic technique of histogram splitting using two pointers. Here the user only has to select two initially guessed points denoting a circle on the region of interest (ROI). The method will automatically study the internal histogram and split it using two pointers. The output BUS image has improved edge-map and ultimately the segmentation on it is better compared to regular segmentation using same algorithm and same initialization. Also, we further processed the edge-map to have less edge-pixels to area ratio, improving the homogeneity and the chances of easy segmentation in the future.
• Abstract（参考訳）: 乳房超音波(BUS)画像における病変領域の自動分割は, ノイズ, スペックル, アーティファクトが原因で困難である。 BUS画像のエッジマップも役に立たない。 ほぼすべてのセグメンテーション技術は、画像のエッジマップを最初のステップとしていますが、エッジマップを回避しようとするアルゴリズムもいくつかあります。 乳房超音波画像のエッジマップの改善は理論的に自動セグメンテーションの精度を向上させる。 本稿では,2つのポインターを用いた半自動ヒストグラム分割手法を提案する。 ここでユーザは、関心領域(roi)に円を示す最初の推測ポイントを2つだけ選択するだけでよい。 この方法は内部のヒストグラムを自動で研究し、2つのポインタを使って分割する。 出力バス画像はエッジマップを改善し、最終的に、同じアルゴリズムと同じ初期化を用いた正規セグメンテーションと比較した方が良い。 また,エッジマップの面積比に対するエッジピクセルの少ない処理を行い,将来,均質性とセグメント化が容易になる可能性を改善した。

関連論文リスト

• A General Ambiguity Model for Binary Edge Images with Edge Tracing and its Implementation [0.9558392439655012]
  両端画像における交差点, 接合, その他の構造に対する汎用的, 直感的なあいまいさモデルを提案する。 モデルはエッジトレースと組み合わせられ、エッジは接続されたピクセルの順序列である。 単純な原則の小さなセットだけを使用することで、結果は直感的に説明できる。
  論文  参考訳（メタデータ） (2024-08-03T08:41:07Z)
• A Labeled Array Distance Metric for Measuring Image Segmentation Quality [0.0]
  LADとMADLADという2つの距離測度を提案し、2つのラベル付き画像間の距離を算出する。 異なる画像分割アルゴリズムの精度は、その出力を「地上真実」ラベル付けに対して測定することで評価することができる。
  論文  参考訳（メタデータ） (2024-06-12T03:39:16Z)
• Automated Coastline Extraction Using Edge Detection Algorithms [2.5311562666866494]
  衛星画像から海岸線を自動的に抽出するエッジ検出アルゴリズムの有効性を解析する。 Canny、Sobel、Scharr、Prewittの4つのアルゴリズムは視覚的に比較され、メトリクスを使用する。
  論文  参考訳（メタデータ） (2024-05-19T09:25:55Z)
• CorrMatch: Label Propagation via Correlation Matching for Semi-Supervised Semantic Segmentation [73.89509052503222]
  本稿では、CorrMatchと呼ばれる、単純だが実行可能な半教師付きセマンティックセマンティックセマンティックセマンティクス手法を提案する。 相関写像は、同一カテゴリのクラスタリングピクセルを容易に実現できるだけでなく、良好な形状情報も含んでいることを観察する。 我々は,高信頼画素を拡大し,さらに掘り出すために,画素の対の類似性をモデル化して画素伝搬を行う。 そして、相関地図から抽出した正確なクラス非依存マスクを用いて、領域伝搬を行い、擬似ラベルを強化する。
  論文  参考訳（メタデータ） (2023-06-07T10:02:29Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• End-to-End Segmentation via Patch-wise Polygons Prediction [93.91375268580806]
  先頭のセグメンテーション法は、出力マップをピクセルグリッドとして表現する。 画像パッチ毎に対象のエッジがモデル化される別の表現を、パッチごとのラベル確率と結合した$k$の頂点を持つポリゴンとして検討する。
  論文  参考訳（メタデータ） (2021-12-05T10:42:40Z)
• A Novel Falling-Ball Algorithm for Image Segmentation [0.14337588659482517]
  領域ベースセグメンテーションアルゴリズムである領域ベースFalling-Ballアルゴリズムを提案する。 提案アルゴリズムは,丘陵地帯から落下する球が捕集流域で止まると仮定して,捕集流域を検出する。
  論文  参考訳（メタデータ） (2021-05-06T12:41:10Z)
• Saliency Enhancement using Gradient Domain Edges Merging [65.90255950853674]
  本研究では,エッジとサリエンシマップをマージして,サリエンシマップの性能を向上させる手法を開発した。 これにより、DUT-OMRONデータセットの少なくとも3.4倍の平均的な改善により、エッジ(SEE)を使用したサリエンシ向上が提案された。 SEEアルゴリズムは前処理のためのSEE-Preと後処理のためのSEE-Postの2つの部分に分けられる。
  論文  参考訳（メタデータ） (2020-02-11T14:04:56Z)
• RGB-based Semantic Segmentation Using Self-Supervised Depth Pre-Training [77.62171090230986]
  本稿では,任意の意味的RGBセグメンテーション手法の事前学習に使用できる,スケーラブルで自己管理の容易な手法を提案する。 特に、我々の事前学習アプローチでは、深度センサーを用いて得られるラベルを自動生成する。 提案したHNラベルによる自己教師付き事前学習が,ImageNetの事前学習にどのように応用できるかを示す。
  論文  参考訳（メタデータ） (2020-02-06T11:16:24Z)

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。