論文の概要: Biomedical Image Splicing Detection using Uncertainty-Guided Refinement
- arxiv url: http://arxiv.org/abs/2309.16388v1
- Date: Thu, 28 Sep 2023 12:36:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-29 14:38:29.821106
- Title: Biomedical Image Splicing Detection using Uncertainty-Guided Refinement
- Title(参考訳): 不確かさ誘導によるバイオメディカル画像スプライシング検出
- Authors: Xun Lin, Wenzhong Tang, Shuai Wang, Zitong Yu, Yizhong Liu, Haoran
Wang, Ying Fu, Alex Kot
- Abstract要約: 本研究では, 破壊要因の影響を軽減するために, 不確実性誘導型リファインメントネットワーク(URN)を提案する。
URNは、地域間の破壊的要因によって引き起こされる信頼できない情報の流れの伝播を明示的に抑制することができる。
1,290個のスプライシング画像からなるバイオメディカルイメージスプライシング(BioSp)検出のためのデータセットを構築した。
- 参考スコア(独自算出の注目度): 34.29545110059532
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recently, a surge in biomedical academic publications suspected of image
manipulation has led to numerous retractions, turning biomedical image
forensics into a research hotspot. While manipulation detectors are concerning,
the specific detection of splicing traces in biomedical images remains
underexplored. The disruptive factors within biomedical images, such as
artifacts, abnormal patterns, and noises, show misleading features like the
splicing traces, greatly increasing the challenge for this task. Moreover, the
scarcity of high-quality spliced biomedical images also limits potential
advancements in this field. In this work, we propose an Uncertainty-guided
Refinement Network (URN) to mitigate the effects of these disruptive factors.
Our URN can explicitly suppress the propagation of unreliable information flow
caused by disruptive factors among regions, thereby obtaining robust features.
Moreover, URN enables a concentration on the refinement of uncertainly
predicted regions during the decoding phase. Besides, we construct a dataset
for Biomedical image Splicing (BioSp) detection, which consists of 1,290
spliced images. Compared with existing datasets, BioSp comprises the largest
number of spliced images and the most diverse sources. Comprehensive
experiments on three benchmark datasets demonstrate the superiority of the
proposed method. Meanwhile, we verify the generalizability of URN when against
cross-dataset domain shifts and its robustness to resist post-processing
approaches. Our BioSp dataset will be released upon acceptance.
- Abstract(参考訳): 近年,画像操作が疑われる生物医学的学術出版物が急増し,生物医学的画像法医学が研究のホットスポットとなっている。
操作検出装置が関係している間、生体画像中のスプライシングトレースの特定検出は未発見のままである。
人工物、異常パターン、ノイズなどの生体画像内の破壊的要因は、スプライシングトレースのような誤解を招く特徴を示しており、このタスクの課題は大幅に増大した。
さらに,高品質なスプライシングバイオメディカル画像の不足は,この分野の潜在的な進歩を妨げている。
本研究では,これらの破壊要因の影響を軽減するために,不確実性誘導型リファインメントネットワーク(URN)を提案する。
このurnは,領域間の破壊要因による信頼できない情報流の伝播を抑制することにより,堅牢な特徴を得ることができる。
さらに、URNはデコードフェーズ中に不確実な予測領域の精製に集中することができる。
さらに,1,290個のスプライシング画像からなるバイオメディカルイメージスプライシング(BioSp)検出のためのデータセットを構築した。
既存のデータセットと比較すると、BioSpは最大数のスプライシングイメージと最も多様なソースで構成されている。
3つのベンチマークデータセットに関する包括的実験により,提案手法の優越性が示された。
一方,クロスデータセット領域シフトに対するurnの一般化性と,後処理アプローチに対する頑健性を検証する。
BioSpデータセットは受け入れ次第リリースします。
関連論文リスト
- Diffusion Facial Forgery Detection [56.69763252655695]
本稿では,顔に焦点をあてた拡散生成画像を対象とした包括的データセットであるDiFFを紹介する。
人体実験といくつかの代表的な偽造検出手法を用いて,DiFFデータセットの広範な実験を行った。
その結果、人間の観察者と自動検出者の2値検出精度は30%以下であることが判明した。
論文 参考訳(メタデータ) (2024-01-29T03:20:19Z) - EMIT-Diff: Enhancing Medical Image Segmentation via Text-Guided
Diffusion Model [4.057796755073023]
EMIT-Diffと呼ばれる医用画像合成のための制御可能な拡散モデルを開発した。
近年の拡散確率モデルを利用して、現実的で多様な合成医用画像データを生成する。
提案手法では, 合成試料が医療上の制約に適合することを確実にする。
論文 参考訳(メタデータ) (2023-10-19T16:18:02Z) - On Sensitivity and Robustness of Normalization Schemes to Input
Distribution Shifts in Automatic MR Image Diagnosis [58.634791552376235]
深層学習(DL)モデルは、再構成画像を入力として、複数の疾患の診断において最先端のパフォーマンスを達成した。
DLモデルは、トレーニングとテストフェーズ間の入力データ分布の変化につながるため、さまざまなアーティファクトに敏感である。
本稿では,グループ正規化やレイヤ正規化といった他の正規化手法を用いて,画像のさまざまなアーチファクトに対して,モデル性能にロバスト性を注入することを提案する。
論文 参考訳(メタデータ) (2023-06-23T03:09:03Z) - A Novel Vision Transformer with Residual in Self-attention for
Biomedical Image Classification [8.92307560991779]
本稿では、視覚変換器(ViT)のためのマルチヘッド自己注意の新しい枠組みについて述べる。
提案手法は,マルチヘッドアテンションの各ブロックにおける最高のアテンション出力を蓄積するために,残差接続の概念を用いる。
その結果、従来のViTや他の畳み込みに基づく最先端の分類モデルよりも顕著な改善が見られた。
論文 参考訳(メタデータ) (2023-06-02T15:06:14Z) - Generation of Anonymous Chest Radiographs Using Latent Diffusion Models
for Training Thoracic Abnormality Classification Systems [7.909848251752742]
胸部X線写真における生体認証は、研究目的のためにそのようなデータの公開を妨げている。
この研究は、高品質なクラス条件画像の匿名胸部X線データセットを合成するために潜時拡散モデルを用いている。
論文 参考訳(メタデータ) (2022-11-02T17:43:02Z) - MONet: Multi-scale Overlap Network for Duplication Detection in
Biomedical Images [20.533739598331646]
重複画像領域を検出するマルチスケール重複検出モデルを提案する。
総合的および複数の生体画像カテゴリにおいて、最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2022-07-19T07:25:43Z) - OADAT: Experimental and Synthetic Clinical Optoacoustic Data for
Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。
OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。
臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文 参考訳(メタデータ) (2022-06-17T08:11:26Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳(メタデータ) (2022-02-27T02:19:09Z) - ElixirNet: Relation-aware Network Architecture Adaptation for Medical
Lesion Detection [90.13718478362337]
本稿では,1)TruncatedRPNが正負値と負値のバランスをとること,2)Auto-lesion Blockが自動的に医療画像にカスタマイズされ,地域提案間の関係認識操作が組み込まれること,3)Relation Transferモジュールが意味的関係を組み込むこと,の3つのコンポーネントを含む新しいElixirNetを紹介した。
DeepLesionとKits19の実験では、ElixirNetの有効性が証明され、パラメータが少なくてFPNよりも感度と精度が向上した。
論文 参考訳(メタデータ) (2020-03-03T05:29:49Z)
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。