Fugu-MT 論文翻訳(概要): Overview of Deep Learning Methods for Retinal Vessel Segmentation

論文の概要: Overview of Deep Learning Methods for Retinal Vessel Segmentation

arxiv url: http://arxiv.org/abs/2306.06116v1
Date: Thu, 1 Jun 2023 17:05:18 GMT
ステータス: 処理完了
システム内更新日: 2023-06-18 12:52:19.195479
Title: Overview of Deep Learning Methods for Retinal Vessel Segmentation
Title（参考訳）: 網膜血管セグメンテーションのための深部学習法の概要
Authors: Gorana Goji\'c, Ognjen Kunda\v{c}ina, Dragi\v{s}a Mi\v{s}kovi\'c, Dinu Dragan
Abstract要約: 多くの眼・全身疾患の治療・診断において, 自動網膜血管セグメンテーション法が重要な役割を担っている。深層学習法の急速な発展に伴い、より多くの網膜血管分割法が深層ニューラルネットワークとして実装されている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Methods for automated retinal vessel segmentation play an important role in the treatment and diagnosis of many eye and systemic diseases. With the fast development of deep learning methods, more and more retinal vessel segmentation methods are implemented as deep neural networks. In this paper, we provide a brief review of recent deep learning methods from highly influential journals and conferences. The review objectives are: (1) to assess the design characteristics of the latest methods, (2) to report and analyze quantitative values of performance evaluation metrics, and (3) to analyze the advantages and disadvantages of the recent solutions.
Abstract（参考訳）: 網膜血管の自動分割法は、多くの眼疾患や全身疾患の治療や診断において重要な役割を果たす。深層学習法の急速な発展に伴い、より多くの網膜血管分割法が深層ニューラルネットワークとして実装されている。本稿では,高度に影響力のある雑誌やカンファレンスの最近の深層学習手法について概説する。本研究の目的は,(1) 最新の手法の設計特性を評価すること,(2) 性能評価指標の定量的価値を報告・分析すること,(3) 最新のソリューションの利点と欠点を分析すること,である。

関連論文リスト

How Deep is your Guess? A Fresh Perspective on Deep Learning for Medical Time-Series Imputation [6.547981908229007]
深層学習を用いた時系列計算のための新しい分類フレームワークを提案する。文献における概念的ギャップと既存のレビューを識別することにより、ニューラル・インパテーション・フレームワークの帰納的バイアスに基づく分類法を考案する。
論文参考訳（メタデータ） (2024-07-11T12:33:28Z)
Deep Interactive Segmentation of Medical Images: A Systematic Review and Taxonomy [26.719457139819074]
対話的セグメンテーションは、人的フィードバックを取り入れることでコストのかかるアノテーションの効率を高めることを目的とした、医用画像解析における重要な研究領域である。深層学習に基づくアプローチは、医療画像領域だけで121の手法が提案され、フィールドの急速な成長を引き起こした。標準化されたベースラインとベンチマークによって取り組まなければならないメソッド間の比較の深刻な欠如がある。
論文参考訳（メタデータ） (2023-11-23T12:26:08Z)
Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文参考訳（メタデータ） (2023-10-11T05:49:47Z)
Adaptive Semi-Supervised Segmentation of Brain Vessels with Ambiguous Labels [63.415444378608214]
提案手法は, 進歩的半教師付き学習, 適応的学習戦略, 境界拡張など, 革新的な手法を取り入れたものである。 3DRAデータセットによる実験結果から,メッシュベースのセグメンテーション指標を用いて,本手法の優位性を示す。
論文参考訳（メタデータ） (2023-08-07T14:16:52Z)
Towards more precise automatic analysis: a comprehensive survey of deep learning-based multi-organ segmentation [9.673055783655906]
本論は, この分野における最新の研究を体系的にまとめたものである。完全かつ不完全なアノテーションの観点から,深層学習に基づく多臓器セグメンテーションに関する161の研究をコンパイルした。
論文参考訳（メタデータ） (2023-03-01T04:52:49Z)
Medulloblastoma Tumor Classification using Deep Transfer Learning with Multi-Scale EfficientNets [63.62764375279861]
本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。 161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
論文参考訳（メタデータ） (2021-09-10T13:07:11Z)
Learning-Based Algorithms for Vessel Tracking: A Review [12.18340575383456]
船舶追跡は、キー(種子)ポイント検出、センターライン抽出、血管分割などの認識問題を解決することを目指しています。本稿では,機械学習に基づく船舶追跡手法に関する文献レビューを行う。
論文参考訳（メタデータ） (2020-12-16T13:31:51Z)
Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文参考訳（メタデータ） (2020-10-09T14:39:27Z)
Learning Binary Semantic Embedding for Histology Image Classification and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。 3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文参考訳（メタデータ） (2020-10-07T08:36:44Z)
Confident Coreset for Active Learning in Medical Image Analysis [57.436224561482966]
本稿では,情報的サンプルを効果的に選択するための,不確実性と分散性を考慮した新しい能動的学習手法である信頼コアセットを提案する。 2つの医用画像解析タスクの比較実験により,本手法が他の活動的学習方法より優れていることを示す。
論文参考訳（メタデータ） (2020-04-05T13:46:16Z)
Deep neural network models for computational histopathology: A survey [1.2891210250935146]
深層学習はがん組織像の分析と解釈において主流の方法論選択となりました本稿では,現在使われている最先端の深層学習手法について概説する。私たちは、現在のディープラーニングアプローチにおける重要な課題と制限と、将来の研究への道のりを強調します。
論文参考訳（メタデータ） (2019-12-28T01:04:25Z)

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。