論文の概要: Texture Classification Network Integrating Adaptive Wavelet Transform
- arxiv url: http://arxiv.org/abs/2404.05300v1
- Date: Mon, 8 Apr 2024 08:42:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-09 15:04:06.771849
- Title: Texture Classification Network Integrating Adaptive Wavelet Transform
- Title（参考訳）: 適応ウェーブレット変換を統合したテクスチャ分類ネットワーク
- Authors: Su-Xi Yu, Jing-Yuan He, Yi Wang, Yu-Jiao Cai, Jun Yang, Bo Lin, Wei-Bin Yang, Jian Ruan,
- Abstract要約: Graves病は超音波画像における甲状腺の質感の滑らかさを判定して臨床的に診断される一般的な疾患である。
現在、Graves病の自動診断に最も広く用いられているアプローチは、特徴抽出と分類の両方に畳み込みニューラルネットワーク(CNN)を使用している。
本研究では,Lfting Schemeを利用した学習可能なウェーブレットモジュールをCNNに統合し,ResNet18モデルに並列ウェーブレット分岐を組み込んでテクスチャ特徴抽出を強化する。
- 参考スコア（独自算出の注目度）: 7.634818631225403
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Graves' disease is a common condition that is diagnosed clinically by determining the smoothness of the thyroid texture and its morphology in ultrasound images. Currently, the most widely used approach for the automated diagnosis of Graves' disease utilizes Convolutional Neural Networks (CNNs) for both feature extraction and classification. However, these methods demonstrate limited efficacy in capturing texture features. Given the high capacity of wavelets in describing texture features, this research integrates learnable wavelet modules utilizing the Lifting Scheme into CNNs and incorporates a parallel wavelet branch into the ResNet18 model to enhance texture feature extraction. Our model can analyze texture features in spatial and frequency domains simultaneously, leading to optimized classification accuracy. We conducted experiments on collected ultrasound datasets and publicly available natural image texture datasets, our proposed network achieved 97.27% accuracy and 95.60% recall on ultrasound datasets, 60.765% accuracy on natural image texture datasets, surpassing the accuracy of ResNet and conrming the effectiveness of our approach.
- Abstract（参考訳）: Graves病は超音波画像で甲状腺の質感の滑らかさと形態を判定し臨床的に診断される一般的な疾患である。
現在、Graves病の自動診断に最も広く用いられているアプローチは、特徴抽出と分類の両方に畳み込みニューラルネットワーク(CNN)を使用している。
しかし, これらの手法は, テクスチャの特徴を捉える上で, 限られた有効性を示す。
本研究は,テクスチャ特徴記述におけるウェーブレットの高容量化を前提として,Lifting Schemeを利用した学習可能なウェーブレットモジュールをCNNに統合し,ResNet18モデルに並列ウェーブレットブランチを組み込んでテクスチャ特徴抽出を強化する。
本モデルでは,空間領域と周波数領域のテクスチャ特性を同時に解析し,分類精度を最適化する。
収集した超音波データセットと利用可能な天然画像テクスチャデータセットについて実験を行い、提案したネットワークは97.27%の精度と95.60%のリコール、60.765%の精度で自然画像テクスチャデータセットを再現し、ResNetの精度を超え、我々のアプローチの有効性を損なう。
関連論文リスト
- Unleashing the Potential of Synthetic Images: A Study on Histopathology Image Classification [0.12499537119440242]
病理組織像分類は様々な疾患の正確な同定と診断に重要である。
合成画像は、既存のデータセットを効果的に増強し、最終的に下流の病理組織像分類タスクの性能を向上させることができることを示す。
論文 参考訳（メタデータ） (2024-09-24T12:02:55Z) - WATUNet: A Deep Neural Network for Segmentation of Volumetric Sweep
Imaging Ultrasound [1.2903292694072621]
ボリューム・スイープ・イメージング(VSI)は、訓練を受けていないオペレーターが高品質な超音波画像をキャプチャできる革新的な手法である。
本稿ではWavelet_Attention_UNet(WATUNet)と呼ばれる新しいセグメンテーションモデルを提案する。
このモデルでは、簡単な接続ではなく、ウェーブレットゲート(WG)とアテンションゲート(AG)をエンコーダとデコーダの間に組み込んで、上記の制限を克服する。
論文 参考訳（メタデータ） (2023-11-17T20:32:37Z) - PathLDM: Text conditioned Latent Diffusion Model for Histopathology [62.970593674481414]
そこで我々は,高品質な病理像を生成するためのテキスト条件付き遅延拡散モデルPathLDMを紹介した。
提案手法は画像とテキストデータを融合して生成プロセスを強化する。
我々は,TCGA-BRCAデータセット上でのテキスト・ツー・イメージ生成において,SoTA FIDスコア7.64を達成し,FID30.1と最も近いテキスト・コンディショナブル・コンペティタを著しく上回った。
論文 参考訳（メタデータ） (2023-09-01T22:08:32Z) - Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。
提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。
提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
論文 参考訳（メタデータ） (2023-03-17T18:00:27Z) - DeepDC: Deep Distance Correlation as a Perceptual Image Quality
Evaluator [53.57431705309919]
ImageNet Pre-trained Deep Neural Network (DNN)は、効果的な画像品質評価(IQA)モデルを構築するための顕著な転送性を示す。
我々は,事前学習DNN機能のみに基づく新しいフル参照IQA(FR-IQA)モデルを開発した。
5つの標準IQAデータセット上で,提案した品質モデルの優位性を示すため,包括的実験を行った。
論文 参考訳（メタデータ） (2022-11-09T14:57:27Z) - 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) - 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) - Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image
Synthesis [65.47507533905188]
コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。
そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
論文 参考訳（メタデータ） (2021-10-27T18:54:25Z) - Learning Ultrasound Rendering from Cross-Sectional Model Slices for
Simulated Training [13.640630434743837]
計算シミュレーションは、バーチャルリアリティーにおけるそのようなスキルの訓練を容易にする。
インタラクティブな時間に任意のレンダリングやシミュレーションプロセスをバイパスするためにここに提案します。
我々は、専用のジェネレータアーキテクチャと入力供給方式を備えた生成的対向フレームワークを使用する。
論文 参考訳（メタデータ） (2021-01-20T21:58:19Z) - Automatic Recognition of the Supraspinatus Tendinopathy from Ultrasound
Images using Convolutional Neural Networks [1.021325814813899]
畳み込みニューラルネットワークに基づく自動腱症認識フレームワークが提案されている。
テンドンセグメンテーションはNASUNetという新しいネットワークを通じて行われる。
腱症診断のための一般的な分類パイプラインが提案されている。
論文 参考訳（メタデータ） (2020-11-23T22:41:41Z) - Gastric histopathology image segmentation using a hierarchical
conditional random field [16.920864110707747]
新たな条件付ランダムフィールド(HCRF)に基づく胃組織像(GHIS)法を提案する。
HCRFモデルは高いセグメンテーション性能を示し、GHIS分野におけるその有効性と将来の可能性を示す。
論文 参考訳（メタデータ） (2020-03-03T02:44:31Z)
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。