論文の概要: Thinking Twice: Clinical-Inspired Thyroid Ultrasound Lesion Detection
Based on Feature Feedback
- arxiv url: http://arxiv.org/abs/2305.15114v1
- Date: Wed, 24 May 2023 13:07:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-25 15:47:43.041551
- Title: Thinking Twice: Clinical-Inspired Thyroid Ultrasound Lesion Detection
Based on Feature Feedback
- Title(参考訳): 考察:特徴フィードバックに基づく臨床的に誘発された甲状腺超音波病変の検出
- Authors: Lingtao Wang, Jianrui Ding, Fenghe Tang, Chunping Ning
- Abstract要約: 本稿では,臨床診断にインスパイアされた特徴フィードバック機構に基づく新しい検出ネットワークを提案する。
提案手法は, 甲状腺超音波データセットのAPが70.3%, AP50が99.0%であり, リアルタイム要件を満たしている。
- 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: Accurate detection of thyroid lesions is a critical aspect of computer-aided
diagnosis. However, most existing detection methods perform only one feature
extraction process and then fuse multi-scale features, which can be affected by
noise and blurred features in ultrasound images. In this study, we propose a
novel detection network based on a feature feedback mechanism inspired by
clinical diagnosis. The mechanism involves first roughly observing the overall
picture and then focusing on the details of interest. It comprises two parts: a
feedback feature selection module and a feature feedback pyramid. The feedback
feature selection module efficiently selects the features extracted in the
first phase in both space and channel dimensions to generate high semantic
prior knowledge, which is similar to coarse observation. The feature feedback
pyramid then uses this high semantic prior knowledge to enhance feature
extraction in the second phase and adaptively fuses the two features, similar
to fine observation. Additionally, since radiologists often focus on the shape
and size of lesions for diagnosis, we propose an adaptive detection head
strategy to aggregate multi-scale features. Our proposed method achieves an AP
of 70.3% and AP50 of 99.0% on the thyroid ultrasound dataset and meets the
real-time requirement. The code is available at
https://github.com/HIT-wanglingtao/Thinking-Twice.
- Abstract(参考訳): 甲状腺病変の正確な検出はコンピュータ診断の重要な側面である。
しかし,既存のほとんどの検出手法は1つの特徴抽出処理のみを実行し,超音波画像のノイズやぼやけた特徴の影響を受けうるマルチスケール特徴を融合する。
本研究では,臨床診断に触発された特徴フィードバック機構に基づく新たな検出ネットワークを提案する。
このメカニズムは、まず全体像を大まかに観察し、興味の詳細に焦点を当てる。
フィードバック機能選択モジュールと機能フィードバックピラミッドの2つの部分で構成されている。
フィードバック特徴選択モジュールは、空間及びチャネル次元の第一フェーズで抽出された特徴を効率よく選択し、粗い観察に類似した高い意味的事前知識を生成する。
特徴フィードバックピラミッドは、この高い意味的事前知識を使用して、第2フェーズにおける特徴抽出を強化し、2つの特徴を適応的に融合させる。
また, 放射線技師は診断用病変の形状や大きさに注目することが多いため, 多スケールの特徴を集約する適応型検出ヘッド戦略を提案する。
提案手法は, 甲状腺超音波データセットのAPが70.3%, AP50が99.0%であり, リアルタイム要件を満たす。
コードはhttps://github.com/HIT-wanglingtao/Thinking-Twice.comで公開されている。
関連論文リスト
- ADFA: Attention-augmented Differentiable top-k Feature Adaptation for
Unsupervised Medical Anomaly Detection [5.946143723117816]
本稿では,画像異常検出のためのADFA(Attention-Augmented Differentiable Top-k Feature Adaptation)を提案する。
初期の特徴表現を抽出するために、ImageNetで事前訓練されたWR50ネットワーク。
次に,パッチ記述子をトレーニングし,抽出した特徴表現を新しいベクトル空間にマッピングするために,微分可能なトップk特徴適応を適用した。
論文 参考訳(メタデータ) (2023-08-29T13:10:53Z) - Detecting the Sensing Area of A Laparoscopic Probe in Minimally Invasive
Cancer Surgery [6.0097646269887965]
外科腫瘍学では、外科医がリンパ節を同定し、がんを完全に切除することは困難である。
新しいテザリングラパロスコープガンマ検出器を用いて、術前に注入された放射線を局在させる。
ガンマ活動の可視化は、プローブが非イメージングであり、組織表面の活性を視覚的に示さないため、オペレーターに提示することが困難である。
論文 参考訳(メタデータ) (2023-07-07T15:33:49Z) - DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler
Signal [48.97719097435527]
DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。
動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
論文 参考訳(メタデータ) (2023-05-15T18:19:29Z) - Deep Spectro-temporal Artifacts for Detecting Synthesized Speech [57.42110898920759]
本稿では,トラック1(低品質フェイク音声検出)とトラック2(部分フェイク音声検出)の総合評価を行う。
本稿では, 原時間信号, スペクトル特性, 深層埋没特性を用いて, 分光時相アーティファクトを検出した。
我々はそれぞれ1番線と2番線で4位と5位にランクインした。
論文 参考訳(メタデータ) (2022-10-11T08:31:30Z) - Retinal Structure Detection in OCTA Image via Voting-based Multi-task
Learning [27.637273690432608]
本稿では,Voting-based Adaptive Feature Fusion multi-task network (VAFF-Net) を提案する。
タスク固有の投票ゲートモジュールは、特定のタスクに対して2段階の異なる特徴を適応的に抽出し、融合するために提案される。
さらなる研究を容易にするため、ソースコードと評価ベンチマークを備えたデータセットの一部がパブリックアクセス用にリリースされた。
論文 参考訳(メタデータ) (2022-08-23T05:53:04Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase
Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。
チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文 参考訳(メタデータ) (2021-12-18T14:17:49Z) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳(メタデータ) (2021-10-24T18:58:40Z) - Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。
フェースフォージェリ検出に高周波雑音を用いることを提案する。
1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。
2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
論文 参考訳(メタデータ) (2021-03-23T08:19:21Z) - Heart Sound Segmentation using Bidirectional LSTMs with Attention [37.62160903348547]
心電図(PCG)信号を心臓状態に分割するための新しい枠組みを提案する。
我々は近年の注目に基づく学習の進歩を利用してPCG信号のセグメンテーションを行う。
提案手法は,ヒトと動物の両方の心臓記録を含む複数のベンチマークにおいて,最先端の性能を実現する。
論文 参考訳(メタデータ) (2020-04-02T02:09:11Z)
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。