論文の概要: Computer-Aided Cytology Diagnosis in Animals: CNN-Based Image Quality Assessment for Accurate Disease Classification

• arxiv url: http://arxiv.org/abs/2308.06055v1
• Date: Fri, 11 Aug 2023 10:09:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-14 14:24:30.766222
• Title: Computer-Aided Cytology Diagnosis in Animals: CNN-Based Image Quality Assessment for Accurate Disease Classification
• Title（参考訳）: 動物におけるコンピュータ支援細胞診:正確な疾患分類のためのCNNによる画像品質評価
• Authors: Jan Krupi\'nski, Maciej Wielgosz, Szymon Mazurek, Krystian Strza{\l}ka, Pawe{\l} Russek, Jakub Caputa, Daria {\L}ukasik, Jakub Grzeszczyk, Micha{\l} Karwatowski, Rafa{\l} Fraczek, Ernest Jamro, Marcin Pietro\'n, Sebastian Koryciak, Agnieszka D\k{a}browska-Boruch, Kazimierz Wiatr
• Abstract要約: 本稿では,畳み込みニューラルネットワーク(CNN)を用いた画像品質評価(IQA)に焦点を当てる。 システムのビルディングブロックはIQAをシームレスに統合するように調整されており、疾患分類の信頼性を保証する。
• 参考スコア（独自算出の注目度）: 0.1420200946324199
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a computer-aided cytology diagnosis system designed for animals, focusing on image quality assessment (IQA) using Convolutional Neural Networks (CNNs). The system's building blocks are tailored to seamlessly integrate IQA, ensuring reliable performance in disease classification. We extensively investigate the CNN's ability to handle various image variations and scenarios, analyzing the impact on detecting low-quality input data. Additionally, the network's capacity to differentiate valid cellular samples from those with artifacts is evaluated. Our study employs a ResNet18 network architecture and explores the effects of input sizes and cropping strategies on model performance. The research sheds light on the significance of CNN-based IQA in computer-aided cytology diagnosis for animals, enhancing the accuracy of disease classification.
• Abstract（参考訳）: 本稿では,畳み込みニューラルネットワーク(cnns)を用いた画像品質評価(iqa)に着目し,動物用細胞診診断システムを提案する。 システムのビルディングブロックはIQAをシームレスに統合するように調整されており、疾患分類の信頼性を保証する。 我々はCNNが様々な画像のバリエーションやシナリオを処理し、低品質な入力データの検出に与える影響を分析する。 さらに、有効な細胞サンプルをアーティファクトと区別するネットワークの能力を評価する。 本研究では,resnet18ネットワークアーキテクチャを用いて,入力サイズとクロッピング戦略がモデル性能に及ぼす影響について検討する。 この研究は、コンピュータ支援による動物細胞診診断におけるCNNベースのIQAの重要性に光を当て、疾患分類の精度を高める。

関連論文リスト

• FGR-Net:Interpretable fundus imagegradeability classification based on deepreconstruction learning [4.377496499420086]
  本稿ではFGR-Netと呼ばれる新しいフレームワークを提案する。 FGR-Netモデルは、可視化による解釈可能な品質評価も提供する。 その結果,FGR-Netの精度は89%,F1スコアは87%であった。
  論文  参考訳（メタデータ） (2024-09-16T12:56:23Z)
• Class Attention to Regions of Lesion for Imbalanced Medical Image Recognition [59.28732531600606]
  データ不均衡問題に対処するため,textbfClass textbfAttention to textbfRegions of the lesion (CARE)を提案する。 CAREフレームワークは、まれな疾患の病変領域を表すために、バウンディングボックスを必要とする。 その結果,自動バウンディングボックス生成によるCARE変種は,オリジナルのCAREフレームワークに匹敵することがわかった。
  論文  参考訳（メタデータ） (2023-07-19T15:19:02Z)
• Subjective and Objective Quality Assessment for in-the-Wild Computer Graphics Images [57.02760260360728]
  我々は6000のCGI(CGIQA-6k)からなる大規模CGIQAデータベースを構築した。 本稿では, 歪みと美的品質表現を両立させて, 効果的な深層学習に基づくno-reference (NR) IQAモデルを提案する。 実験の結果,提案手法は構築したCGIQA-6kデータベース上で,最先端のNR IQA法よりも優れていた。
  論文  参考訳（メタデータ） (2023-03-14T16:32:24Z)
• A Comparative Study of Graph Neural Networks for Shape Classification in Neuroimaging [17.775145204666874]
  ニューロイメージングにおける形状分類のための幾何学的深層学習の現状について概説する。 ノード機能としてFPFHを使用することで,GNNの性能が大幅に向上し,アウト・オブ・ディストリビューションデータへの一般化が期待できる。 以上の結果から,アルツハイマー病の分類を応用し,臨床的に有意な課題を確定した。
  論文  参考訳（メタデータ） (2022-10-29T19:03:01Z)
• 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)
• Attentions Help CNNs See Better: Attention-based Hybrid Image Quality Assessment Network [20.835800149919145]
  画像品質評価(IQA)アルゴリズムは、画像品質に対する人間の認識を定量化することを目的としている。 GAN(Generative Adversarial Network)によって生成された歪み画像を、一見現実的なテクスチャで評価する際の性能低下がある。 本稿では,AHIQ(Hybrid Image Quality Assessment Network)を提案する。
  論文  参考訳（メタデータ） (2022-04-22T03:59:18Z)
• Analyzing the Effects of Handling Data Imbalance on Learned Features from Medical Images by Looking Into the Models [50.537859423741644]
  不均衡なデータセットでモデルをトレーニングすることは、学習問題にユニークな課題をもたらす可能性がある。 ニューラルネットワークの内部ユニットを深く調べて、データの不均衡処理が学習した機能にどのように影響するかを観察します。
  論文  参考訳（メタデータ） (2022-04-04T09:38:38Z)
• Stain Normalized Breast Histopathology Image Recognition using Convolutional Neural Networks for Cancer Detection [9.826027427965354]
  近年の進歩により、畳み込みニューラルネットワーク(CNN)アーキテクチャは乳がん検出のためのコンピュータ支援診断(CAD)システムの設計に利用できることが示されている。 乳腺病理像の2値分類のためのCNNモデルについて検討した。 我々は,200倍,400倍に拡大した病理像に対して,トレーニング済みのCNNネットワークを利用可能なBreaKHisデータセットで検証した。
  論文  参考訳（メタデータ） (2022-01-04T03:09:40Z)
• Image Quality Assessment using Contrastive Learning [50.265638572116984]
  我々は、補助的な問題を解決するために、対照的な対の目的を用いて深層畳み込みニューラルネットワーク(CNN)を訓練する。 本研究では,最新のNR画像品質モデルと比較して,ContriQUEが競争性能を向上することを示す。 以上の結果から,大きなラベル付き主観的画像品質データセットを必要とせずに,知覚的関連性を持つ強力な品質表現が得られることが示唆された。
  論文  参考訳（メタデータ） (2021-10-25T21:01:00Z)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• Optimal Transfer Learning Model for Binary Classification of Funduscopic Images through Simple Heuristics [0.8370915747360484]
  深層学習ニューラルネットワークを用いて、眼内画像の視覚的表現を診断する。 本稿では, 病原体が健康であるか, 病原体なのかを, 低コストで推定する, 病原体分類の統一モデルを提案する。
  論文  参考訳（メタデータ） (2020-02-11T03:49:14Z)

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。