論文の概要: One-Class SVM on siamese neural network latent space for Unsupervised Anomaly Detection on brain MRI White Matter Hyperintensities

• arxiv url: http://arxiv.org/abs/2304.08058v1
• Date: Mon, 17 Apr 2023 08:19:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-18 16:04:03.141764
• Title: One-Class SVM on siamese neural network latent space for Unsupervised Anomaly Detection on brain MRI White Matter Hyperintensities
• Title（参考訳）: 脳MRI白質高強度における教師なし異常検出のためのサイムズニューラルネットワーク潜時空間上の一級SVM
• Authors: Nicolas Pinon (MYRIAD), Robin Trombetta (MYRIAD), Carole Lartizien (MYRIAD)
• Abstract要約: 本稿では,シャムパッチを用いた自動エンコーダによって構築された潜在空間に基づく教師なし異常検出(UAD)手法を提案する。 これまでに報告された2つの最先端手法と同等の性能を示す。
• 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: Anomaly detection remains a challenging task in neuroimaging when little to no supervision is available and when lesions can be very small or with subtle contrast. Patch-based representation learning has shown powerful representation capacities when applied to industrial or medical imaging and outlier detection methods have been applied successfully to these images. In this work, we propose an unsupervised anomaly detection (UAD) method based on a latent space constructed by a siamese patch-based auto-encoder and perform the outlier detection with a One-Class SVM training paradigm tailored to the lesion detection task in multi-modality neuroimaging. We evaluate performances of this model on a public database, the White Matter Hyperintensities (WMH) challenge and show in par performance with the two best performing state-of-the-art methods reported so far.
• Abstract（参考訳）: 異常検出は、ほとんど監督できない、病変が非常に小さい、または微妙なコントラストを持つ場合、神経イメージングにおいて難しい課題である。 パッチベース表現学習は,産業画像や医療画像に適用した場合に強力な表現能力を示し,異常検出手法を効果的に適用した。 本研究では,siameseパッチを用いたオートエンコーダにより構築された潜在空間に基づく教師なし異常検出(uad)法を提案し,マルチモダリティニューロイメージングにおいて病変検出タスクに適応した1クラスsvmトレーニングパラダイムを用いて異常検出を行う。 このモデルの性能を公開データベース上で評価し,wmh(white matter hyperintensities)チャレンジを行い,これまでに報告した2つの最先端手法と同等のパフォーマンスを示す。

関連論文リスト

• CONSULT: Contrastive Self-Supervised Learning for Few-shot Tumor Detection [21.809270017579806]
  CONSULT(Contrastive Self-SUpervised Learning for few-shot tumor detection)と呼ばれる新しい2段階異常検出アルゴリズムを提案する。 CONSULTは、MRI脳画像に特化して訓練済みの機能抽出器を微調整し、合成データ生成パイプラインを使用して腫瘍のようなデータを生成する。 第1段階は、文脈対応コントラスト学習と自己監督型特徴逆学習を取り入れた高変量データの特徴抽出において、現在の異常検出の欠点を克服することである。
  論文  参考訳（メタデータ） (2024-10-15T06:09:28Z)
• StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
  StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。 ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
  論文  参考訳（メタデータ） (2024-08-11T01:22:29Z)
• Brain subtle anomaly detection based on auto-encoders latent space analysis : application to de novo parkinson patients [0.0]
  パッチベースのオートエンコーダは、潜在空間によって提供される効率的な表現力を持ち、可視的病変検出には良い結果が得られた。 本研究は,多変量解析から派生した2つの代替検出基準を設計し,潜在空間表現から情報をより直接取得する。 パーキンソン病(PD)分類の難しい課題において,2つの指導的学習法と比較した。
  論文  参考訳（メタデータ） (2023-02-27T08:58:31Z)
• Brainomaly: Unsupervised Neurologic Disease Detection Utilizing Unannotated T1-weighted Brain MR Images [10.441810020877371]
  本稿では神経疾患検出に特化して設計されたGANを用いた画像・画像翻訳手法であるBrainomalyを提案する。 脳腫瘍は、神経画像に適した調整された画像と画像の翻訳を提供するだけでなく、注釈のない混合画像を活用して、より優れた神経疾患検出を実現する。
  論文  参考訳（メタデータ） (2023-02-18T00:42:58Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• A Deep Learning-Based Unified Framework for Red Lesions Detection on Retinal Fundus Images [3.5557219875516646]
  糖尿病性網膜症(DR)の早期徴候は,小動脈瘤 (MAs) と出血 (HMs) である。 既存の手法のほとんどは、テクスチャ、サイズ、形態の違いから、MAまたはHMのみを検出する。 そこで本研究では,小病変と大病変を同時に扱う2流レッド病変検出システムを提案する。
  論文  参考訳（メタデータ） (2021-09-10T00:12:13Z)
• Unsupervised Anomaly Detection in MR Images using Multi-Contrast Information [3.7273619690170796]
  医用画像における異常検出は、疾患の関連バイオマーカーを正常な組織と区別することである。 深い教師付き学習手法は様々な検出課題に有意な可能性があるが、その性能は医療画像分野では限られている。 本稿では,マルチコントラストMRIにおける画素ワイド異常検出のための教師なし学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2021-05-02T13:05:36Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。