論文の概要: Parallel Implementations Assessment of a Spatial-Spectral Classifier for Hyperspectral Clinical Applications
- arxiv url: http://arxiv.org/abs/2404.10631v1
- Date: Thu, 28 Mar 2024 16:33:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-21 19:45:03.208164
- Title: Parallel Implementations Assessment of a Spatial-Spectral Classifier for Hyperspectral Clinical Applications
- Title（参考訳）: ハイパースペクトル臨床応用のための空間スペクトル分類器の並列実装評価
- Authors: Raquel Lazcano, Daniel Madroñal, Giordana Florimbi, Jaime Sancho, Sergio Sanchez, Raquel Leon, Himar Fabelo, Samuel Ortega, Emanuele Torti, Ruben Salvador, Margarita Marrero-Martin, Francesco Leporati, Eduardo Juarez, Gustavo M Callico, Cesar Sanz,
- Abstract要約: 本稿では,5つの異なるHPCプラットフォームが提供する性能の比較を行い,HS画像の空間スペクトルによる分類を行った。
神経外科的応用の主な制約は処理時間であり、他の環境では皮膚科的要件として考慮できる。
- 参考スコア（独自算出の注目度）: 0.2981784450632149
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hyperspectral (HS) imaging presents itself as a non-contact, non-ionizing and non-invasive technique, proven to be suitable for medical diagnosis. However, the volume of information contained in these images makes difficult providing the surgeon with information about the boundaries in real-time. To that end, High-Performance-Computing (HPC) platforms become necessary. This paper presents a comparison between the performances provided by five different HPC platforms while processing a spatial-spectral approach to classify HS images, assessing their main benefits and drawbacks. To provide a complete study, two different medical applications, with two different requirements, have been analyzed. The first application consists of HS images taken from neurosurgical operations; the second one presents HS images taken from dermatological interventions. While the main constraint for neurosurgical applications is the processing time, in other environments, as the dermatological one, other requirements can be considered. In that sense, energy efficiency is becoming a major challenge, since this kind of applications are usually developed as hand-held devices, thus depending on the battery capacity. These requirements have been considered to choose the target platforms: on the one hand, three of the most powerful Graphic Processing Units (GPUs) available in the market; and, on the other hand, a low-power GPU and a manycore architecture, both specifically thought for being used in battery-dependent environments.
- Abstract（参考訳）: ハイパースペクトル(HS)イメージングは、医療診断に適した非接触、非イオン化、非侵襲的手法として自らを提示する。
しかし,これらの画像に含まれる情報量は,リアルタイムに境界情報を提供するのが困難である。
そのため、HPC(High-Performance-Computing)プラットフォームが必要である。
本稿では,5つの異なるHPCプラットフォームが提供する性能の比較を行い,HS画像の空間スペクトルによる分類を行い,その主な利点と欠点を評価する。
完全な研究のために、2つの異なる要件を持つ2つの異なる医学的応用が分析された。
第1の応用は、神経外科手術から採取したHS画像から成り、第2の応用は、皮膚科的介入から採取したHS画像を提示する。
神経外科的応用の主な制約は処理時間であるが、他の環境においては皮膚学的な要件も考慮できる。
この種のアプリケーションは通常ハンドヘルドデバイスとして開発され、バッテリー容量に依存するため、その意味でエネルギー効率は大きな課題となっている。
これらの要件は、ターゲットプラットフォームを選択するために検討されている。一方、市場で利用可能な最も強力なGraphic Processing Unit(GPU)の3つと、低消費電力GPUとマルチコアアーキテクチャである。
関連論文リスト
- A Deep Learning Approach for Pixel-level Material Classification via Hyperspectral Imaging [1.294249882472766]
ハイパースペクトル(HS)イメージングは、X線蛍光やラマン分光のような従来の技術よりも有利である。
本研究では,HSイメージングと深層学習を併用した材料評価の可能性について検討した。
このモデルは99.94%の分類精度を達成し、色、サイズ、形状のばらつきの堅牢さを示し、材料重なりを効果的に扱った。
論文 参考訳（メタデータ） (2024-09-20T13:38:48Z) - Understanding differences in applying DETR to natural and medical images [16.200340490559338]
トランスフォーマーベースの検出器は、自然画像を用いたコンピュータビジョンタスクで成功している。
医用画像データには、非常に大きな画像サイズ、興味の少ない領域の小さい領域、微妙な違いによってのみ区別できるオブジェクトクラスなど、固有の課題がある。
本研究は, 検診用マンモグラフィーデータセットに適用した場合に, これらのトランスフォーマーに基づく設計選択の適用性を評価するものである。
論文 参考訳（メタデータ） (2024-05-27T22:06:42Z) - Deep PCCT: Photon Counting Computed Tomography Deep Learning
Applications Review [2.546256902486781]
臨床前研究におけるPCCTの最近の展開と応用について概観する。
PCCTは乳房の微妙な異常の検出に顕著な効果を示した。
さらに,PCCTへの深層学習の統合と,放射能特性の研究についても検討している。
論文 参考訳（メタデータ） (2024-02-06T17:00:19Z) - Mining Gaze for Contrastive Learning toward Computer-Assisted Diagnosis [61.089776864520594]
医用画像のテキストレポートの代替としてアイトラッキングを提案する。
医用画像を読み,診断する際に放射線科医の視線を追跡することにより,その視覚的注意と臨床的理由を理解することができる。
対照的な学習フレームワークのためのプラグイン・アンド・プレイモジュールとして,McGIP (McGIP) を導入した。
論文 参考訳（メタデータ） (2023-12-11T02:27:45Z) - 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) - Next-generation Surgical Navigation: Marker-less Multi-view 6DoF Pose
Estimation of Surgical Instruments [66.74633676595889]
静止カメラとヘッドマウントカメラを組み合わせたマルチカメラ・キャプチャー・セットアップを提案する。
第2に,手術用ウェットラボと実際の手術用劇場で撮影された元脊椎手術のマルチビューRGB-Dビデオデータセットを公表した。
第3に,手術器具の6DoFポーズ推定の課題に対して,最先端のシングルビューとマルチビューの3つの手法を評価した。
論文 参考訳（メタデータ） (2023-05-05T13:42:19Z) - Hyperspectral Image Segmentation: A Preliminary Study on the Oral and
Dental Spectral Image Database (ODSI-DB) [3.1993890965689666]
ハイパースペクトルイメージング(HSI)は、豊富なスペクトル情報を提供する有望な技術である。
近年のスナップショットHSIカメラの開発により,リアルタイム臨床HSIが実現可能性が高まっている。
本研究は、HSIカメラの開発をガイドし、将来的な臨床用HSIアプリケーションに通知するために、スペクトル分解能、スペクトル範囲、空間情報の相対的重要性を強調した。
論文 参考訳（メタデータ） (2023-03-14T21:57:11Z) - Fusion of medical imaging and electronic health records with attention
and multi-head machanisms [4.433829714749366]
本稿では,画像特徴抽出過程における重要な領域の選択を支援するために,EHRデータを用いたマルチモーダルアテンションモジュールを提案する。
また,マルチヘッドマクニズムをゲート型マルチモーダルユニット(GMU)に組み込むことにより,異なる部分空間における画像とEHR機能を並列に融合させることも提案する。
脳内出血患者のGOS(Glasgow outcome scale)の予測とアルツハイマー病の分類実験により,提案手法はタスク関連領域に自動的に焦点を絞ることができることが示された。
論文 参考訳（メタデータ） (2021-12-22T07:39:26Z) - Multimodal Semantic Scene Graphs for Holistic Modeling of Surgical
Procedures [70.69948035469467]
カメラビューから3Dグラフを生成するための最新のコンピュータビジョン手法を利用する。
次に,手術手順の象徴的,意味的表現を統一することを目的としたマルチモーダルセマンティックグラフシーン(MSSG)を紹介する。
論文 参考訳（メタデータ） (2021-06-09T14:35:44Z) - 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) - Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。
本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。
結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
論文 参考訳（メタデータ） (2020-03-23T14:35:08Z)
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。