Fugu-MT 論文翻訳(概要): Pit-Pattern Classification of Colorectal Cancer Polyps Using a Hyper Sensitive Vision-Based Tactile Sensor and Dilated Residual Networks

論文の概要: Pit-Pattern Classification of Colorectal Cancer Polyps Using a Hyper Sensitive Vision-Based Tactile Sensor and Dilated Residual Networks

arxiv url: http://arxiv.org/abs/2211.06814v1
Date: Sun, 13 Nov 2022 04:42:10 GMT
ステータス: 処理完了
システム内更新日: 2022-11-15 20:39:03.678821
Title: Pit-Pattern Classification of Colorectal Cancer Polyps Using a Hyper Sensitive Vision-Based Tactile Sensor and Dilated Residual Networks
Title（参考訳）: 超高感度視覚型触覚センサと拡張残差ネットワークを用いた大腸癌ポリープのピットパターン分類
Authors: Nethra Venkatayogi, Qin Hu, Ozdemir Can Kara, Tarunraj G. Mohanraj, S. Farokh Atashzar, Farshid Alambeigi
Abstract要約: 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。
参考スコア（独自算出の注目度）: 4.056583163276972
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In this study, with the goal of reducing the early detection miss rate of colorectal cancer (CRC) polyps, we propose utilizing a novel hyper-sensitive vision-based tactile sensor called HySenSe and a complementary and novel machine learning (ML) architecture that explores the potentials of utilizing dilated convolutions, the beneficial features of the ResNet architecture, and the transfer learning concept applied on a small dataset with the scale of hundreds of images. The proposed tactile sensor provides high-resolution 3D textural images of CRC polyps that will be used for their accurate classification via the proposed dilated residual network. To collect realistic surface patterns of CRC polyps for training the ML models and evaluating their performance, we first designed and additively manufactured 160 unique realistic polyp phantoms consisting of 4 different hardness. Next, the proposed architecture was compared with the state-of-the-art ML models (e.g., AlexNet and DenseNet) and proved to be superior in terms of performance and complexity.
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を低減することを目的として,HySenSeと呼ばれる新しい高感度視覚ベースの触覚センサと,拡張畳み込みの可能性を探求する補完的かつ新しい機械学習(ML)アーキテクチャ,ResNetアーキテクチャの利点,数百の画像規模の小さなデータセットに適用される転写学習の概念を提案する。提案した触覚センサは,CRCポリプの高分解能な3次元テクスチャ画像を提供する。 MLモデルをトレーニングし,その性能を評価するために, CRCポリプの現実的な表面パターンを収集するために, 4つの異なる硬さからなる160個のユニークなポリプファントムを設計し, 付加的に製造した。次に、提案されたアーキテクチャは最先端のMLモデル(AlexNetやDenseNetなど)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。

関連論文リスト

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)
A novel method to enhance pneumonia detection via a model-level ensembling of CNN and vision transformer [0.7499722271664147]
肺炎は世界中で致死率と死亡率の主要な原因である。深層学習は胸部X線(CXR)画像から肺炎を検出する大きな可能性を示している。我々は,モデルレベルのアンサンブルにより,畳み込みニューラルネットワーク(CNN)とビジョントランスフォーマーネットワークを融合させる新しいモデルを開発した。
論文参考訳（メタデータ） (2024-01-04T16:58:31Z)
Visual Prompting Upgrades Neural Network Sparsification: A Data-Model Perspective [67.25782152459851]
より優れた重量空間を実現するために、新しいデータモデル共設計視点を導入する。具体的には、提案したVPNフレームワークでニューラルネットワークのスパーシフィケーションをアップグレードするために、カスタマイズされたVisual Promptが実装されている。
論文参考訳（メタデータ） (2023-12-03T13:50:24Z)
ResFields: Residual Neural Fields for Spatiotemporal Signals [61.44420761752655]
ResFieldsは、複雑な時間的信号を効果的に表現するために設計された新しいネットワークのクラスである。本稿では,ResFieldの特性を包括的に解析し,トレーニング可能なパラメータの数を減らすための行列分解手法を提案する。スパースRGBDカメラからダイナミックな3Dシーンをキャプチャする効果を示すことで,ResFieldsの実用性を実証する。
論文参考訳（メタデータ） (2023-09-06T16:59:36Z)
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)
Improving the Timing Resolution of Positron Emission Tomography Detectors Using Boosted Learning -- A Residual Physics Approach [0.4999814847776097]
本研究は,機械学習(ML)と残差物理を用いた検出器最適化の新しい多用途手法を提案する。ポジトロン・エミッション・トモグラフィー (PET) の概念を適用し, 一致時間分解能(CTR)の向上を目的とした。臨床的に有意な19mmの検出器ではCTRを有意に改善し(20%以上)、185 ps (450-550 keV) のCTRに到達した。
論文参考訳（メタデータ） (2023-02-03T12:10:24Z)
Classification of Colorectal Cancer Polyps via Transfer Learning and Vision-Based Tactile Sensing [0.2446672595462589]
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。
論文参考訳（メタデータ） (2022-11-08T21:47:36Z)
An Adversarial Active Sampling-based Data Augmentation Framework for Manufacturable Chip Design [55.62660894625669]
リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
論文参考訳（メタデータ） (2022-10-27T20:53:39Z)
Remote Sensing Image Classification using Transfer Learning and Attention Based Deep Neural Network [59.86658316440461]
本稿では、転送学習技術とマルチヘッドアテンションスキームを活用した、深層学習に基づくRSISCフレームワークを提案する。提案したディープラーニングフレームワークは、ベンチマークNWPU-RESISC45データセットに基づいて評価され、最高の分類精度94.7%を達成する。
論文参考訳（メタデータ） (2022-06-20T10:05:38Z)
Learning to Synthesize Volumetric Meshes from Vision-based Tactile Imprints [26.118805500471066]
視覚ベースの触覚センサーは、通常、変形可能なエラストマーと上に取り付けられたカメラを使用して、コンタクトの高解像度な画像観察を行う。本稿では,視覚に基づく触覚センサから得られた画像インプリントに基づいてエラストマーのメッシュを合成する学習に焦点を当てた。グラフニューラルネットワーク(GNN)を導入し、教師付き学習で画像とメシュのマッピングを学習する。
論文参考訳（メタデータ） (2022-03-29T00:24:10Z)
Hierarchical Amortized Training for Memory-efficient High Resolution 3D GAN [52.851990439671475]
本稿では,高解像度な3D画像を生成することができる新しいエンドツーエンドGANアーキテクチャを提案する。トレーニングと推論の異なる構成を使用することで、この目標を達成する。 3次元胸郭CTと脳MRIの実験により、我々のアプローチは画像生成における最先端技術より優れていることが示された。
論文参考訳（メタデータ） (2020-08-05T02:33:04Z)

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。