論文の概要: INCEPTNET: Precise And Early Disease Detection Application For Medical Images Analyses

• arxiv url: http://arxiv.org/abs/2309.02147v1
• Date: Tue, 5 Sep 2023 11:39:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-06 15:02:18.119934
• Title: INCEPTNET: Precise And Early Disease Detection Application For Medical Images Analyses
• Title（参考訳）: INCEPTNET:医学画像解析のための精密・早期疾患検出アプリケーション
• Authors: Amirhossein Sajedi, Mohammad Javad Fadaeieslam
• Abstract要約: 本稿では,医療画像の早期検出とセグメント化のための新しいディープニューラルネットワークInceptNetを提案する。 Fast InceptNetは、著名なUnetアーキテクチャによって形成され、Inceptionモジュールのパワーを、高速で費用対効果のあるものにします。 この改良は、小さな構造を持つ画像においてより重要であった。
• 参考スコア（独自算出の注目度）: 0.5439020425818999
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In view of the recent paradigm shift in deep AI based image processing methods, medical image processing has advanced considerably. In this study, we propose a novel deep neural network (DNN), entitled InceptNet, in the scope of medical image processing, for early disease detection and segmentation of medical images in order to enhance precision and performance. We also investigate the interaction of users with the InceptNet application to present a comprehensive application including the background processes, and foreground interactions with users. Fast InceptNet is shaped by the prominent Unet architecture, and it seizes the power of an Inception module to be fast and cost effective while aiming to approximate an optimal local sparse structure. Adding Inception modules with various parallel kernel sizes can improve the network's ability to capture the variations in the scaled regions of interest. To experiment, the model is tested on four benchmark datasets, including retina blood vessel segmentation, lung nodule segmentation, skin lesion segmentation, and breast cancer cell detection. The improvement was more significant on images with small scale structures. The proposed method improved the accuracy from 0.9531, 0.8900, 0.9872, and 0.9881 to 0.9555, 0.9510, 0.9945, and 0.9945 on the mentioned datasets, respectively, which show outperforming of the proposed method over the previous works. Furthermore, by exploring the procedure from start to end, individuals who have utilized a trial edition of InceptNet, in the form of a complete application, are presented with thirteen multiple choice questions in order to assess the proposed method. The outcomes are evaluated through the means of Human Computer Interaction.
• Abstract（参考訳）: 近年のディープAIに基づく画像処理手法のパラダイムシフトを考えると、医用画像処理はかなり進歩している。 本研究では,医療画像処理の分野において,医療画像の早期発見と分割を行い,精度と性能を向上させるために,inceptnetという新しい深層ニューラルネットワーク(dnn)を提案する。 また、ユーザとInceptNetアプリケーションとのインタラクションを調査し、背景プロセスやユーザとのフォアグラウンドインタラクションを含む包括的なアプリケーションを提示する。 Fast InceptNetは、著名なUnetアーキテクチャによって形成されており、最適な局所スパース構造を近似しながら、Inceptionモジュールのパワーを高速かつコスト効率で利用することができる。 さまざまな並列カーネルサイズでインセプションモジュールを追加することで、ネットワークの関心領域のバリエーションをキャプチャする能力を向上させることができる。 実験のために、このモデルは網膜血管セグメンテーション、肺結節セグメンテーション、皮膚病変セグメンテーション、乳がん細胞検出の4つのベンチマークデータセットでテストされている。 この改良は、小さな構造を持つ画像においてより重要であった。 提案手法は, 提案手法の精度を0.9531, 0.8900, 0.9872, 0.9881 から0.9555, 0.9510, 0.9945, 0.9945 に改善し, 提案手法の先行研究よりも優れた性能を示した。 さらに、開始から終了までの手順を探索することにより、inceptnetの試用版を完全なアプリケーションとして利用した個人に対して、提案手法を評価するために13の複数の選択質問を提示する。 結果は、人間のコンピュータインタラクションによって評価される。

関連論文リスト

• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Morphology-Aware Interactive Keypoint Estimation [32.52024944963992]
  医学的画像に基づく診断は、しばしば解剖学的キーポイントのマニュアルアノテーションを含む。 本稿では,ユーザインタラクションシステムを通じて解剖学的キーポイントを自動的に検出し,精査する,新しいディープニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-09-15T09:27:14Z)
• Development of an algorithm for medical image segmentation of bone tissue in interaction with metallic implants [58.720142291102135]
  本研究では,金属インプラントとの接触部における骨成長の計算アルゴリズムを開発した。 骨とインプラント組織はトレーニングデータセットに手動でセグメンテーションされた。 ネットワーク精度の面では、モデルは約98%に達した。
  論文  参考訳（メタデータ） (2022-04-22T08:17:20Z)
• A generalizable approach based on U-Net model for automatic Intra retinal cyst segmentation in SD-OCT images [1.6114012813668928]
  異なるベンダーにまたがる網膜内嚢胞分節に対する新しいU-Netベースのアプローチを提案する。 最初のステップでは、データを受信する際のネットワーク制限の一部を克服する方法で、その情報をネットワークに注入する。 そして次のステップでは、標準U-Netアーキテクチャのエンコーダとデコーダの接続モジュールを導入しました。
  論文  参考訳（メタデータ） (2022-02-01T15:23:00Z)
• InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
  InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。 異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
  論文  参考訳（メタデータ） (2021-12-23T15:52:37Z)
• DFENet: A Novel Dimension Fusion Edge Guided Network for Brain MRI Segmentation [0.0]
  本稿では,2次元CNNと3次元CNNの特徴を融合させることにより,これらの要件を満たす新しいDFENetを提案する。 提案手法は, 既存の方法よりも頑健で正確であり, バイオメディカルな応用に頼ることができる。
  論文  参考訳（メタデータ） (2021-05-17T15:43:59Z)
• Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding [60.89561661441736]
  医療画像分割のための新しい手法を提案する。 深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。 深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
  論文  参考訳（メタデータ） (2020-12-10T04:01:07Z)
• Automatic Diagnosis of Malaria from Thin Blood Smear Images using Deep Convolutional Neural Network with Multi-Resolution Feature Fusion [0.7310043452300736]
  薄い血液スミア画像からマラリアを迅速に診断するためのエンドツーエンドのディープラーニングベースのアプローチが提案されている。 DilationNetと呼ばれる効率的でスケーラブルなディープニューラルネットワークは、畳み込みの拡散率を変化させ、異なる受容領域から特徴を抽出することによって、大きなスペクトルから特徴を組み込む。 提案されたDeepFusionNetアーキテクチャと機能融合スキームを導入し、個々の訓練を受けたネットワークの特徴空間を共同で最適化する。 公開データセットにおける実験は、他の最先端のアプローチよりも99.5%以上精度で優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2020-12-09T22:44:05Z)
• 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)
• DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
  本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。 我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。 皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
  論文  参考訳（メタデータ） (2020-08-19T06:02:46Z)
• Progressive Adversarial Semantic Segmentation [11.323677925193438]
  深い畳み込みニューラルネットワークは、完全な監視が与えられた場合、非常によく機能する。 画像解析タスクのための完全教師付きモデルの成功は、大量のラベル付きデータの入手に限られる。 本稿では,新しい医用画像分割モデル,Progressive Adrial Semantic(PASS)を提案する。
  論文  参考訳（メタデータ） (2020-05-08T22:48:00Z)

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。