論文の概要: Mining Negative Temporal Contexts For False Positive Suppression In Real-Time Ultrasound Lesion Detection

• arxiv url: http://arxiv.org/abs/2305.18060v1
• Date: Mon, 29 May 2023 12:53:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-30 15:11:27.877527
• Title: Mining Negative Temporal Contexts For False Positive Suppression In Real-Time Ultrasound Lesion Detection
• Title（参考訳）: 超音波損傷検出における偽陽性抑制のための負の時間文脈のマイニング
• Authors: Haojun Yu, Youcheng Li, QuanLin Wu, Ziwei Zhao, Dengbo Chen, Dong Wang, Liwei Wang
• Abstract要約: 汎用リアルタイム物体検出モデルは、超音波ビデオに適用した場合に明らかな偽陽性(FP)を誤って報告することができる。 本稿では、逆光流の誘導により、負の時間的文脈(NTC)を含む以前のフレームからコンテキストを抽出することを提案する。 抽出した文脈を集約することにより、NTCを利用してFPを抑えることができる。 提案するUltraDetは,従来の最先端技術よりも大幅に向上し,リアルタイム推論速度を実現する。
• 参考スコア（独自算出の注目度）: 12.512790143746345
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: During ultrasonic scanning processes, real-time lesion detection can assist radiologists in accurate cancer diagnosis. However, this essential task remains challenging and underexplored. General-purpose real-time object detection models can mistakenly report obvious false positives (FPs) when applied to ultrasound videos, potentially misleading junior radiologists. One key issue is their failure to utilize negative symptoms in previous frames, denoted as negative temporal contexts (NTC). To address this issue, we propose to extract contexts from previous frames, including NTC, with the guidance of inverse optical flow. By aggregating extracted contexts, we endow the model with the ability to suppress FPs by leveraging NTC. We call the resulting model UltraDet. The proposed UltraDet demonstrates significant improvement over previous state-of-the-arts and achieves real-time inference speed. To facilitate future research, we will release the code, checkpoints, and high-quality labels of the CVA-BUS dataset used in our experiments.
• Abstract（参考訳）: 超音波スキャンの過程では、リアルタイムの病変検出が正確ながん診断に役立つ。 しかし、この本質的な課題は依然として挑戦的で未熟である。 一般的なリアルタイム物体検出モデルは、超音波ビデオに適用した場合に明らかな偽陽性(FPs)を誤って報告することができる。 重要な問題のひとつは、以前のフレームで負の症状を使わなかったことであり、これはNTC(負の時間的文脈)と表される。 この問題に対処するために,ntcを含む以前のフレームから逆光流の指導によりコンテキストを抽出することを提案する。 抽出した文脈を集約することにより、NTCを利用してFPを抑えることができる。 得られたモデルをUltraDetと呼びます。 提案するUltraDetは,従来の最先端技術よりも大幅に向上し,リアルタイム推論速度を実現する。 今後の研究を容易にするため、我々の実験で使用されるCVA-BUSデータセットのコード、チェックポイント、および高品質なラベルをリリースする。

関連論文リスト

• Frequency-regularized Neural Representation Method for Sparse-view Tomographic Reconstruction [8.45338755060592]
  自己教師付きスパース・ビュー・トモグラフィ再構成のための正規化ニューラル減衰/活性場(Freq-NAF)を提案する。 Freq-NAFは、ニューラルネットワーク入力の可視周波数帯域を直接制御して、周波数正規化による過度な適合を緩和する。
  論文  参考訳（メタデータ） (2024-09-22T11:19:38Z)
• Calibrated Diverse Ensemble Entropy Minimization for Robust Test-Time Adaptation in Prostate Cancer Detection [4.123522672804104]
  高分解能マイクロ超音波は、リアルタイム前立腺がん検出において有望であることを示す。 深層学習は、超音波に反映された複雑な組織特性を学習するための顕著なツールである。 データ分布の変化により,異なる臨床センターのデータに適用した場合,モデルの性能が低下することを示す。
  論文  参考訳（メタデータ） (2024-07-17T16:20:10Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Diffusion Models with Implicit Guidance for Medical Anomaly Detection [13.161402789616004]
  組織再生のための時間的調和 (THOR) は, 病態の影響を受けない領域における健全な組織の整合性を維持することを目的としている。 相対的な評価では、THORは、脳MRIと手首X線における異常の検出とセグメンテーションにおいて、既存の拡散に基づく手法を超越している。
  論文  参考訳（メタデータ） (2024-03-13T12:26:55Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• CARLA: Self-supervised Contrastive Representation Learning for Time Series Anomaly Detection [53.83593870825628]
  時系列異常検出(TSAD)の主な課題は、多くの実生活シナリオにおいてラベル付きデータの欠如である。 既存の異常検出手法の多くは、教師なしの方法で非ラベル時系列の正常な振る舞いを学習することに焦点を当てている。 本稿では,時系列異常検出のためのエンドツーエンドの自己教師型コントラアスティブ表現学習手法を提案する。
  論文  参考訳（メタデータ） (2023-08-18T04:45:56Z)
• Are we certain it's anomalous? [57.729669157989235]
  時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。 本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。 HypADは自己指導で入力信号を再構築する。
  論文  参考訳（メタデータ） (2022-11-16T21:31:39Z)
• Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
  我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。 元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。 私たちのコードは、将来的な比較作業のためにオープンソースにされます。
  論文  参考訳（メタデータ） (2021-07-01T08:58:16Z)
• Beyond the Spectrum: Detecting Deepfakes via Re-Synthesis [69.09526348527203]
  ディープフェイク(Deepfakes)として知られる非常に現実的なメディアは、現実の目から人間の目まで区別できない。 本研究では,テスト画像を再合成し,検出のための視覚的手がかりを抽出する,新しい偽検出手法を提案する。 種々の検出シナリオにおいて,提案手法の摂動に対する有効性の向上,GANの一般化,堅牢性を示す。
  論文  参考訳（メタデータ） (2021-05-29T21:22:24Z)
• No Surprises: Training Robust Lung Nodule Detection for Low-Dose CT Scans by Augmenting with Adversarial Attacks [18.369871933983706]
  コンピュータビジョン技術を用いて結節を検出することで、肺がん検診のための胸部CTの感度と速度を向上させることができる。 多くの研究は、結節候補を検出するためにCNNを使用している。 また、CNNはトレーニングセットで表現されていないサンプルを一般化し、知覚不能なノイズの摂動を生じやすいように制限されることも知られている。
  論文  参考訳（メタデータ） (2020-03-08T18:32:46Z)

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。