Fugu-MT 論文翻訳(概要): ClaRet -- A CNN Architecture for Optical Coherence Tomography

論文の概要: ClaRet -- A CNN Architecture for Optical Coherence Tomography

arxiv url: http://arxiv.org/abs/2211.16746v1
Date: Wed, 30 Nov 2022 05:28:47 GMT
ステータス: 処理完了
システム内更新日: 2022-12-01 16:56:32.966175
Title: ClaRet -- A CNN Architecture for Optical Coherence Tomography
Title（参考訳）: Claret - 光コヒーレンストモグラフィーのためのCNNアーキテクチャ
Authors: Adit Magotra, Aagat Gedam, Tanush Savadi, Emily Li
Abstract要約: 我々はOCTスキャン分類のための畳み込みニューラルネットワークアーキテクチャを開発した。このモデルは、OCTスキャンから網膜の涙を検出し、涙の種類を分類するために訓練されている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Optical Coherence Tomography is a technique used to scan the Retina of the eye and check for tears. In this paper, we develop a Convolutional Neural Network Architecture for OCT scan classification. The model is trained to detect Retinal tears from an OCT scan and classify the type of tear. We designed a block-based approach to accompany a pre-trained VGG-19 using Transfer Learning by writing customised layers in blocks for better feature extraction. The approach achieved substantially better results than the baseline we initially started out with.
Abstract（参考訳）: 光コヒーレンス断層撮影(optical coherence tomography)は、眼の網膜をスキャンして涙を確認する技術である。本稿では,octスキャン分類のための畳み込みニューラルネットワークアーキテクチャを開発した。このモデルは、octスキャンから網膜の涙を検出し、涙の種類を分類するように訓練されている。特徴抽出のためのカスタマイズされたレイヤをブロックに書き込むことによる転送学習を用いて,事前学習されたvgg-19に付随するブロックベースアプローチを考案した。このアプローチは、最初に始めたベースラインよりもはるかに優れた結果を得たのです。

関連論文リスト

Development of CNN Architectures using Transfer Learning Methods for Medical Image Classification [0.294944680995069]
本稿では,医療画像分類分野における伝達学習技術を用いたCNNアーキテクチャの開発について検討する。本研究は,CNNアーキテクチャを最適かつ最新に選択した上で,その決定を下すのに役立つ。
論文参考訳（メタデータ） (2024-10-22T05:37:51Z)
Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
論文参考訳（メタデータ） (2023-05-27T03:55:19Z)
Performance of GAN-based augmentation for deep learning COVID-19 image classification [57.1795052451257]
ディープラーニングを医療分野に適用する上で最大の課題は、トレーニングデータの提供である。データ拡張は、限られたデータセットに直面した時に機械学習で使用される典型的な方法論である。本研究は, 新型コロナウイルスの胸部X線画像セットを限定して, StyleGAN2-ADAモデルを用いて訓練するものである。
論文参考訳（メタデータ） (2023-04-18T15:39:58Z)
Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。既存のディープラーニングベースの手法は、有望な再構築性能を得た。本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
論文参考訳（メタデータ） (2022-12-26T13:56:12Z)
Adaptive Convolutional Dictionary Network for CT Metal Artifact Reduction [62.691996239590125]
本稿では,金属人工物削減のための適応畳み込み辞書ネットワーク(ACDNet)を提案する。我々のACDNetは、トレーニングデータを介して、アーティファクトフリーCT画像の事前を自動で学習し、入力されたCT画像ごとに表現カーネルを適応的に調整することができる。本手法は,モデルに基づく手法の明確な解釈可能性を継承し,学習に基づく手法の強力な表現能力を維持する。
論文参考訳（メタデータ） (2022-05-16T06:49:36Z)
CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文参考訳（メタデータ） (2021-11-16T15:03:42Z)
Atlas-Based Segmentation of Intracochlear Anatomy in Metal Artifact Affected CT Images of the Ear with Co-trained Deep Neural Networks [1.9087886743666933]
人工内耳装用者の術後CT(Post-CT)画像に眼内解剖(ICA)を分類するアトラス法を提案する。我々は, 対向方向の密度変形場(DDF)を生成する, 一対の協調学習深層ネットワークを用いる。
論文参考訳（メタデータ） (2021-07-08T17:26:19Z)
Circumpapillary OCT-Focused Hybrid Learning for Glaucoma Grading Using Tailored Prototypical Neural Networks [1.1601676598120785]
緑内障は世界の視覚障害の主要な原因の1つである。生の毛細血管Bスキャンを用いて緑内障を診断する新しい枠組みを初めて提案する。特に,手動学習と深層学習を組み合わせた新しいOCTベースのハイブリッドネットワークを構築した。
論文参考訳（メタデータ） (2021-06-25T10:53:01Z)
A Multi-Stage Attentive Transfer Learning Framework for Improving COVID-19 Diagnosis [49.3704402041314]
新型コロナの診断を改善するための多段階集中移動学習フレームワークを提案する。提案するフレームワークは、複数のソースタスクと異なるドメインのデータから知識を学習し、正確な診断モデルを訓練する3つの段階からなる。本稿では,肺CT画像のマルチスケール表現を学習するための自己教師付き学習手法を提案する。
論文参考訳（メタデータ） (2021-01-14T01:39:19Z)
Explainable-by-design Semi-Supervised Representation Learning for COVID-19 Diagnosis from CT Imaging [23.918269366873567]
本稿では,変分オートエンコーダを用いて効率的な特徴埋め込みを抽出する半教師付き分類パイプラインに基づく説明可能なディープラーニング手法を提案する。説明可能な分類結果から, 提案する診断システムは, 新型コロナウイルスの分類に極めて有効である。
論文参考訳（メタデータ） (2020-11-23T20:51:22Z)
Deep Sinogram Completion with Image Prior for Metal Artifact Reduction in CT Images [29.019325663195627]
CTは, 診断, 評価, 治療計画, 指導に広く用いられている。 CT画像は金属の物体の存在に悪影響を及ぼし、重金属の破片につながる可能性がある。本稿では, 画像領域とシノグラム領域に基づくMAR技術の利点を同時に活用して, 金属アーティファクト低減(MAR)の一般化可能なフレームワークを提案する。
論文参考訳（メタデータ） (2020-09-16T04:43:35Z)

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。