論文の概要: Hyperspectral Image Segmentation: A Preliminary Study on the Oral and Dental Spectral Image Database (ODSI-DB)

• arxiv url: http://arxiv.org/abs/2303.08252v1
• Date: Tue, 14 Mar 2023 21:57:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-16 15:34:46.608534
• Title: Hyperspectral Image Segmentation: A Preliminary Study on the Oral and Dental Spectral Image Database (ODSI-DB)
• Title（参考訳）: hyperspectral image segmentation: the oral and dental spectral image database (odsi-db) に関する予備的検討
• Authors: Luis C. Garcia-Peraza-Herrera, Conor Horgan, Sebastien Ourselin, Michael Ebner, Tom Vercauteren
• Abstract要約: ハイパースペクトルイメージング(HSI)は、豊富なスペクトル情報を提供する有望な技術である。 近年のスナップショットHSIカメラの開発により,リアルタイム臨床HSIが実現可能性が高まっている。 本研究は、HSIカメラの開発をガイドし、将来的な臨床用HSIアプリケーションに通知するために、スペクトル分解能、スペクトル範囲、空間情報の相対的重要性を強調した。
• 参考スコア（独自算出の注目度）: 3.1993890965689666
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual discrimination of clinical tissue types remains challenging, with traditional RGB imaging providing limited contrast for such tasks. Hyperspectral imaging (HSI) is a promising technology providing rich spectral information that can extend far beyond three-channel RGB imaging. Moreover, recently developed snapshot HSI cameras enable real-time imaging with significant potential for clinical applications. Despite this, the investigation into the relative performance of HSI over RGB imaging for semantic segmentation purposes has been limited, particularly in the context of medical imaging. Here we compare the performance of state-of-the-art deep learning image segmentation methods when trained on hyperspectral images, RGB images, hyperspectral pixels (minus spatial context), and RGB pixels (disregarding spatial context). To achieve this, we employ the recently released Oral and Dental Spectral Image Database (ODSI-DB), which consists of 215 manually segmented dental reflectance spectral images with 35 different classes across 30 human subjects. The recent development of snapshot HSI cameras has made real-time clinical HSI a distinct possibility, though successful application requires a comprehensive understanding of the additional information HSI offers. Our work highlights the relative importance of spectral resolution, spectral range, and spatial information to both guide the development of HSI cameras and inform future clinical HSI applications.
• Abstract（参考訳）: 臨床組織タイプの視覚的な識別は依然として困難であり、従来のrgbイメージングはそのようなタスクのコントラストが限られている。 ハイパースペクトルイメージング(HSI)は、3チャンネルのRGBイメージングをはるかに超えるスペクトル情報を提供する有望な技術である。 さらに,最近開発されたスナップショットHSIカメラにより,臨床応用の可能性の高いリアルタイム撮像が可能となった。 それにもかかわらず, セグメンテーション目的のRGB画像に対するHSIの相対的性能に関する調査は, 特に医用画像の文脈において限られている。 本稿では,ハイパースペクトラル画像,rgb画像,ハイパースペクトラル画素(非空間的コンテキスト),rgb画素(空間的コンテキストを無視する)の学習における,最先端のディープラーニング画像分割手法の性能を比較する。 そこで本研究では, 歯科用反射スペクトル画像データベース (odsi-db) を, 被験者30名に35種類の分類を施した手作業による215個の歯科用反射スペクトル画像から構成した。 近年のスナップショットHSIカメラの開発により、リアルタイム臨床HSIの可能性が明らかになってきたが、その適用には、HSIが提供する追加情報に関する包括的な理解が必要である。 本研究は,hsiカメラの開発を指導し,将来的なhsi応用を知らせるために,スペクトル分解能,スペクトル範囲,空間情報の相対的重要性を強調した。

関連論文リスト

• A Deep Learning Approach for Pixel-level Material Classification via Hyperspectral Imaging [1.294249882472766]
  ハイパースペクトル(HS)イメージングは、X線蛍光やラマン分光のような従来の技術よりも有利である。 本研究では,HSイメージングと深層学習を併用した材料評価の可能性について検討した。 このモデルは99.94%の分類精度を達成し、色、サイズ、形状のばらつきの堅牢さを示し、材料重なりを効果的に扱った。
  論文  参考訳（メタデータ） (2024-09-20T13:38:48Z)
• Scribble-Based Interactive Segmentation of Medical Hyperspectral Images [4.675955891956077]
  本研究は、医用ハイパースペクトル画像のためのスクリブルベースのインタラクティブセグメンテーションフレームワークを導入する。 提案手法は,特徴抽出のための深層学習と,ユーザが提供するスクリブルから生成された測地距離マップを利用する。
  論文  参考訳（メタデータ） (2024-08-05T12:33:07Z)
• A self-supervised and adversarial approach to hyperspectral demosaicking and RGB reconstruction in surgical imaging [3.426432165500852]
  ハイパースペクトルイメージングは、肉眼では見えない詳細な情報を持つ生体組織分化機能を提供することによって、外科的イメージングにおいて有望である。 術中誘導のためには、リアルタイムのスペクトルデータキャプチャと表示が義務付けられている。この要件から、現在、スナップショットモザイクハイパースペクトルカメラが最も適した技術であると見なされている。 本稿では,2組の高分解能データに依存しない自己教師型復号法とRGB再構成法を提案する。
  論文  参考訳（メタデータ） (2024-07-27T15:29:35Z)
• Object Detection in Hyperspectral Image via Unified Spectral-Spatial Feature Aggregation [55.9217962930169]
  S2ADetは、高スペクトル画像に固有の豊富なスペクトル情報と空間補完情報を利用する物体検出器である。 S2ADetは既存の最先端メソッドを超え、堅牢で信頼性の高い結果を達成する。
  論文  参考訳（メタデータ） (2023-06-14T09:01:50Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Hyperspectral Image Segmentation based on Graph Processing over Multilayer Networks [51.15952040322895]
  ハイパースペクトル画像(HSI)処理の1つの重要な課題は、スペクトル空間的特徴の抽出である。 M-GSP特徴抽出に基づくHSIセグメンテーションへのいくつかのアプローチを提案する。 HSI処理とスペクトル空間情報抽出におけるM-GSPの強度を実験的に検証した。
  論文  参考訳（メタデータ） (2021-11-29T23:28:18Z)
• Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image Reconstruction [127.20208645280438]
  ハイパースペクトル画像(HSI)再構成は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。 スペクトル間相互作用のモデル化は、HSI再構成に有用である。 Mask-guided Spectral-wise Transformer (MST) は,HSI再構成のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-15T16:59:48Z)
• Robust deep learning-based semantic organ segmentation in hyperspectral images [29.342448910787773]
  開腹手術で得られたスペクトル画像データに基づく全シーンのセマンティックセマンティックセマンティクスは,現在までほとんど注目されていない。 開腹手術で得られた豚のハイパースペクトルイメージング(HSI)データに基づく以下の研究課題について検討する。 完全自動手術シーン理解において,HSIは強力な画像モダリティとなる可能性が示唆された。
  論文  参考訳（メタデータ） (2021-11-09T20:37:38Z)
• Hyperspectral Image Super-Resolution with Spectral Mixup and Heterogeneous Datasets [99.92564298432387]
  ハイパースペクトル画像(HSI)超解像(SR)の研究 HSI SRは高次元データと限られたトレーニング例によって特徴づけられる。 これにより、非分布サンプルに対する記憶や感度などのニューラルネットワークの望ましくない動作が悪化する。
  論文  参考訳（メタデータ） (2021-01-19T12:19:53Z)
• Fast Hyperspectral Image Recovery via Non-iterative Fusion of Dual-Camera Compressive Hyperspectral Imaging [22.683482662362337]
  符号化開口分光画像(CASSI)は3次元ハイパースペクトル像(HSI)を撮像するための有望な技術である 様々な正規化器を用いて2次元計測から3次元データを再構成している。 実現可能な解決策の1つは、CASSIのRGB測定などの追加情報を活用することです。
  論文  参考訳（メタデータ） (2020-12-30T10:29:32Z)
• Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral Imagery [79.69449412334188]
  本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。 本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。 実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
  論文  参考訳（メタデータ） (2020-05-18T14:25:50Z)

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。