論文の概要: Deep Learning for Diagonal Earlobe Crease Detection
- arxiv url: http://arxiv.org/abs/2210.11582v1
- Date: Thu, 20 Oct 2022 20:51:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-24 15:11:51.204130
- Title: Deep Learning for Diagonal Earlobe Crease Detection
- Title(参考訳): 対角的アールベ生成検出のための深層学習
- Authors: Sara L. Almonacid-Uribe, Oliverio J. Santana, Daniel Hern\'andez-Sosa,
David Freire-Obreg\'on
- Abstract要約: 著者は、終末動脈が心臓と耳を供給していると説明した。
いくつかの耳たぶには斜めの亀裂、線または深い折り目があり、輪郭に似ている。
本稿では、DLCやFrank's Signとして知られるこの特定のマーカーを検出するための一歩を踏み出す。
- 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: An article published on Medical News Today in June 2022 presented a
fundamental question in its title: Can an earlobe crease predict heart attacks?
The author explained that end arteries supply the heart and ears. In other
words, if they lose blood supply, no other arteries can take over, resulting in
tissue damage. Consequently, some earlobes have a diagonal crease, line, or
deep fold that resembles a wrinkle. In this paper, we take a step toward
detecting this specific marker, commonly known as DELC or Frank's Sign. For
this reason, we have made the first DELC dataset available to the public. In
addition, we have investigated the performance of numerous cutting-edge
backbones on annotated photos. Experimentally, we demonstrate that it is
possible to solve this challenge by combining pre-trained encoders with a
customized classifier to achieve 97.7% accuracy. Moreover, we have analyzed the
backbone trade-off between performance and size, estimating MobileNet as the
most promising encoder.
- Abstract(参考訳): 2022年6月にmedical newsに発表された記事は、そのタイトルに根本的な疑問を呈している。
著者は動脈が心臓と耳を供給していると説明した。
言い換えれば、血液供給を失うと、他の動脈が引き継がれなくなり、組織が損傷する。
その結果、一部の耳たぶには、輪郭に似た対角線、線、または深い折り目がある。
本稿では,delc や frank's sign として知られる特異なマーカーを検出するための一歩を踏み出す。
そのため、最初のDELCデータセットを一般公開しました。
また,アノテート写真における多数の切刃バックボーンの性能について検討した。
実験により,事前学習したエンコーダとカスタマイズした分類器を組み合わせることで,97.7%の精度でこの問題を解くことができることを示した。
さらに、パフォーマンスとサイズの間のバックボーントレードオフを分析し、最も有望なエンコーダとしてMobileNetを推定した。
関連論文リスト
- D'ARTAGNAN: Counterfactual Video Generation [3.4079278794252232]
因果的対応の機械学習フレームワークは、臨床医がカウンターファクトの質問に答えることで、治療の最良のコースを特定するのに役立つ。
我々は、D'ARTAGNANを構築するために、ディープニューラルネットワーク、ツイン因果ネットワーク、および生成的敵法を初めて組み合わせる。
新しい超音波ビデオを生成し, 所定の入力に設定したエジェクション・フラクションのバリエーションを用いて, 元の患者の映像スタイルと解剖を保ちながら, 超音波ビデオを生成する。
論文 参考訳(メタデータ) (2022-06-03T15:53:32Z) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳(メタデータ) (2022-05-05T10:31:57Z) - An Algorithm for the Labeling and Interactive Visualization of the
Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。
閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。
本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文 参考訳(メタデータ) (2022-04-26T14:20:26Z) - Deep-ASPECTS: A Segmentation-Assisted Model for Stroke Severity
Measurement [1.3814679165245243]
脳卒中は、脳内の動脈が破裂して出血したり、脳への血液供給が遮断されたときに起こる。
本研究では,ASPECTSにおけるCTスキャンの深層学習に基づくスコアリング手法を提案する。
論文 参考訳(メタデータ) (2022-03-05T06:12:49Z) - Fully Automated Tree Topology Estimation and Artery-Vein Classification [0.0]
網膜血管トポロジー(網膜血管トポロジー)を抽出するための完全自動的手法,すなわち,異なる血管が相互にどのように結びついているかを示す。
我々は,網膜動脈-静脈分類における最先端の結果を得るために,抽出法の有用性を検証した。
論文 参考訳(メタデータ) (2022-02-04T20:40:01Z) - Assessing glaucoma in retinal fundus photographs using Deep Feature
Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。
緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。
ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文 参考訳(メタデータ) (2021-10-04T16:06:49Z) - What Is Considered Complete for Visual Recognition? [110.43159801737222]
我々は、学習・バイ・圧縮という新しいタイプの事前学習タスクを提唱する。
計算モデルは、コンパクトな特徴を用いて視覚データを表現するように最適化されている。
セマンティックアノテーションは、利用可能であれば、弱い監督の役割を担います。
論文 参考訳(メタデータ) (2021-05-28T16:59:14Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳(メタデータ) (2020-12-06T18:55:07Z) - Noise-Resilient Automatic Interpretation of Holter ECG Recordings [67.59562181136491]
本稿では,ホルター記録を雑音に頑健に解析する3段階プロセスを提案する。
第1段階は、心拍位置を検出する勾配デコーダアーキテクチャを備えたセグメンテーションニューラルネットワーク(NN)である。
第2段階は、心拍を幅または幅に分類する分類NNである。
第3のステージは、NN機能の上に、患者対応機能を組み込んだ強化決定木(GBDT)である。
論文 参考訳(メタデータ) (2020-11-17T16:15:49Z) - Grading the Severity of Arteriolosclerosis from Retinal Arterio-venous
Crossing Patterns [27.867833878756553]
網膜動静脈交差状態は,動脈硬化症および全身性高血圧症の臨床的評価において極めて重要である。
医用画像診断における最初期の試みの一つである診断プロセスを支援するための深層学習手法を提案する。
論文 参考訳(メタデータ) (2020-11-07T13:15:17Z)
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。