Fugu-MT 論文翻訳(概要): Classification of Colorectal Cancer Polyps via Transfer Learning and Vision-Based Tactile Sensing

論文の概要: Classification of Colorectal Cancer Polyps via Transfer Learning and Vision-Based Tactile Sensing

arxiv url: http://arxiv.org/abs/2211.04573v1
Date: Tue, 8 Nov 2022 21:47:36 GMT
ステータス: 処理完了
システム内更新日: 2022-11-10 18:09:35.145685
Title: Classification of Colorectal Cancer Polyps via Transfer Learning and Vision-Based Tactile Sensing
Title（参考訳）: 転移学習と視覚による触覚センシングによる大腸癌ポリープの分類
Authors: Nethra Venkatayogi, Ozdemir Can Kara, Jeff Bonyun, Naruhiko Ikoma, and Farshid Alambeigi
Abstract要約: 大腸癌ポリープ(CRC)のタイプを正確に分類するために,トランスファーラーニングと機械学習(ML)分類器を活用する可能性を探る。一般的な大腸内視鏡画像の代わりに,独自の視覚ベース表面触覚センサ(VS-TS)の3次元テクスチャ画像出力に3種類のMLアルゴリズムを適用した。ポリプのタイプ分類における3種類のMLアルゴリズムの性能を,様々な統計指標を用いて定量的に評価した。
参考スコア（独自算出の注目度）: 0.2446672595462589
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In this study, to address the current high earlydetection miss rate of colorectal cancer (CRC) polyps, we explore the potentials of utilizing transfer learning and machine learning (ML) classifiers to precisely and sensitively classify the type of CRC polyps. Instead of using the common colonoscopic images, we applied three different ML algorithms on the 3D textural image outputs of a unique vision-based surface tactile sensor (VS-TS). To collect realistic textural images of CRC polyps for training the utilized ML classifiers and evaluating their performance, we first designed and additively manufactured 48 types of realistic polyp phantoms with different hardness, type, and textures. Next, the performance of the used three ML algorithms in classifying the type of fabricated polyps was quantitatively evaluated using various statistical metrics.
Abstract（参考訳）: 本研究では,大腸癌(CRC)ポリープの早期発見ミス率に対処するために,転写学習と機械学習(ML)分類器を用いてCRCポリープのタイプを正確に,敏感に分類する可能性を検討する。共通の大腸鏡像を用いる代わりに,視覚型表面触覚センサ(vs-ts)の3次元テクスチャ画像出力に3つの異なるmlアルゴリズムを適用した。使用済みml分類器の訓練と性能評価のためにcrcポリプの現実的なテクスチャイメージを収集するため,まず,硬度,タイプ,テクスチャの異なる48種類のリアルポリプファントムを設計,付加的に作製した。次に,使用中の3mlアルゴリズムによるポリプの分類性能を各種統計指標を用いて定量的に評価した。

関連論文リスト

Robot-Enabled Machine Learning-Based Diagnosis of Gastric Cancer Polyps Using Partial Surface Tactile Imaging [3.571240188979656]
我々は,最近開発したVTS(Vision-based Tactile Sensor)と,そのテクスチャ特徴を用いた腫瘍の分類のための補完的機械学習(ML)アルゴリズムの利用と評価を提案する。従来のML手法で発生するデータ不足やバイアスの問題に対処するVTSを用いた自動データ収集の利点を実証した。
論文参考訳（メタデータ） (2024-08-02T20:01:23Z)
Polyp segmentation in colonoscopy images using DeepLabV3++ [3.0182171147100076]
DeepLabv3+アーキテクチャの拡張版であるDeepLabv3++モデルを紹介します。提案モデルでは,MSPPブロック内に多様な分離可能な畳み込み層とアテンション機構を組み込み,マルチスケールおよび指向性の特徴を捉える能力を向上させる。実験により、DeepLabV3++はポリプセグメンテーションタスクにおいて、最先端のモデルよりも優れていることが示された。
論文参考訳（メタデータ） (2024-07-27T19:24:55Z)
ECC-PolypDet: Enhanced CenterNet with Contrastive Learning for Automatic Polyp Detection [88.4359020192429]
既存の手法では、計算コストのかかるコンテキストアグリゲーションが伴うか、ポリープの事前モデリングが欠如しているため、難解なケースでは性能が低下する。本稿では,2段階のトレーニングとエンドツーエンド推論フレームワークである Enhanced CenterNet with Contrastive Learning (ECC-PolypDet) を提案する。 Box-assisted Contrastive Learning (BCL) は, クラス内差を最小限に抑え, 前庭ポリープと背景のクラス間差を最大化するため, 隠れポリープを捕捉する。微調整段階におけるIoU誘導サンプル再重み付けの導入
論文参考訳（メタデータ） (2024-01-10T07:03:41Z)
Towards Reliable Colorectal Cancer Polyps Classification via Vision Based Tactile Sensing and Confidence-Calibrated Neural Networks [1.4518956926610687]
CRCポリプス分類のための残差ニューラルネットワークを開発し,その過信出力に対処する。視覚ベースの触覚センシングシステム(VS-TS)の音声画像にノイズとぼかしを導入し,非理想的入力に対するモデルの信頼性を検証した。
論文参考訳（メタデータ） (2023-04-25T23:18:13Z)
Pit-Pattern Classification of Colorectal Cancer Polyps Using a Hyper Sensitive Vision-Based Tactile Sensor and Dilated Residual Networks [4.056583163276972]
我々は,HySenSeと呼ばれる高感度視覚に基づく触覚センサと,補完的で斬新な機械学習アーキテクチャを活用することを提案する。提案されたアーキテクチャは最先端のMLモデル(例えばAlexNetやDenseNet)と比較され、性能と複雑さの点で優れていることが判明した。
論文参考訳（メタデータ） (2022-11-13T04:42:10Z)
Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
論文参考訳（メタデータ） (2022-11-12T05:39:17Z)
Coarse-to-Fine Sparse Transformer for Hyperspectral Image Reconstruction [138.04956118993934]
本稿では, サース・トゥ・ファインス・スパース・トランス (CST) を用いた新しいトランス方式を提案する。 HSI再構成のための深層学習にHSI空間を埋め込んだCST 特に,CSTは,提案したスペクトル認識スクリーニング機構(SASM)を粗いパッチ選択に使用し,選択したパッチを,細かなピクセルクラスタリングと自己相似性キャプチャのために,カスタマイズしたスペクトル集約ハッシュ型マルチヘッド自己アテンション(SAH-MSA)に入力する。
論文参考訳（メタデータ） (2022-03-09T16:17:47Z)
Exploration of Various Deep Learning Models for Increased Accuracy in Automatic Polyp Detection [62.997667081978825]
本稿では,大腸内視鏡画像におけるポリプの検出精度が高いディープラーニングモデルとアルゴリズムについて検討する。畳み込みニューラルネットワーク(CNN)を用いたディープラーニングの研究
論文参考訳（メタデータ） (2022-03-04T04:03:41Z)
Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文参考訳（メタデータ） (2021-10-27T19:28:36Z)
Revisiting 3D Context Modeling with Supervised Pre-training for Universal Lesion Detection in CT Slices [48.85784310158493]
CTスライスにおける普遍的病変検出のための3Dコンテキスト強化2D特徴を効率的に抽出するための修飾擬似3次元特徴ピラミッドネットワーク(MP3D FPN)を提案する。新たな事前学習手法により,提案したMP3D FPNは,DeepLesionデータセット上での最先端検出性能を実現する。提案された3Dプリトレーニングウェイトは、他の3D医療画像分析タスクのパフォーマンスを高めるために使用できる。
論文参考訳（メタデータ） (2020-12-16T07:11:16Z)
A Deep Convolutional Neural Network for the Detection of Polyps in Colonoscopy Images [12.618653234201089]
大腸内視鏡画像中のポリープをコンピュータで検出するディープ畳み込みニューラルネットワークモデルを提案する。光度計や幾何歪みなどのデータ拡張技術は、ポリープ検出で直面する障害を克服するために適応される。
論文参考訳（メタデータ） (2020-08-15T13:55:44Z)

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。