Fugu-MT 論文翻訳(概要): Method and Software Tool for Generating Artificial Databases of Biomedical Images Based on Deep Neural Networks

論文の概要: Method and Software Tool for Generating Artificial Databases of Biomedical Images Based on Deep Neural Networks

arxiv url: http://arxiv.org/abs/2405.16119v1
Date: Sat, 25 May 2024 08:15:21 GMT
ステータス: 処理完了
システム内更新日: 2024-05-29 01:00:23.532000
Title: Method and Software Tool for Generating Artificial Databases of Biomedical Images Based on Deep Neural Networks
Title（参考訳）: ディープニューラルネットワークに基づく生体画像の人工データベース生成方法及びソフトウェアツール
Authors: Oleh Berezsky, Petro Liashchynskyi, Oleh Pitsun, Grygoriy Melnyk,
Abstract要約: 本稿では,GANに基づくバイオメディカル画像の生成法について述べる。生成した画像データベースと既知のデータベースとの比較を行った。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A wide variety of biomedical image data, as well as methods for generating training images using basic deep neural networks, were analyzed. Additionally, all platforms for creating images were analyzed, considering their characteristics. The article develops a method for generating artificial biomedical images based on GAN. GAN architecture has been developed for biomedical image synthesis. The data foundation and module for generating training images were designed and implemented in a software system. A comparison of the generated image database with known databases was made.
Abstract（参考訳）: 生体医用画像データおよび基礎的な深層ニューラルネットワークを用いたトレーニング画像の生成方法について分析した。さらに、画像を作成するための全てのプラットフォームが、その特性を考慮して分析された。本稿では,GANに基づくバイオメディカル画像の生成法について述べる。 GANアーキテクチャは生体画像合成のために開発された。トレーニング画像を生成するためのデータ基盤とモジュールは、ソフトウェアシステムで設計および実装された。生成した画像データベースと既知のデータベースとの比較を行った。

関連論文リスト

Enhancing Medical Imaging with GANs Synthesizing Realistic Images from Limited Data [3.7304751266416747]
本稿では,GANを用いた医用画像の合成手法を提案する。提案手法は,医療用医用画像データの限られた量で訓練しても,リアルな合成画像を生成できることを実証する。
論文参考訳（メタデータ） (2024-05-22T23:32:24Z)
BiomedJourney: Counterfactual Biomedical Image Generation by Instruction-Learning from Multimodal Patient Journeys [99.7082441544384]
本稿では,インストラクション学習によるバイオメディカル画像生成のための新しい手法であるBiomedJourneyを紹介する。我々は、GPT-4を用いて、対応する画像レポートを処理し、疾患進行の自然言語記述を生成する。得られた三重項は、反現実的なバイオメディカル画像生成のための潜伏拡散モデルを訓練するために使用される。
論文参考訳（メタデータ） (2023-10-16T18:59:31Z)
Text-guided Foundation Model Adaptation for Pathological Image Classification [40.45252665455015]
本稿では、画像とテキストの埋め込み(CITE)を結合して、病理画像分類を強化することを提案する。 CITEは、幅広いバイオメディカルテキストで事前訓練された言語モデルから得られたテキスト洞察を注入し、病理画像理解に基礎モデルを適用する。
論文参考訳（メタデータ） (2023-07-27T14:44:56Z)
Exploring the Power of Generative Deep Learning for Image-to-Image Translation and MRI Reconstruction: A Cross-Domain Review [0.0]
本研究は,自然画像領域と医用画像領域における画像から画像への変換と再構成に使用される深層学習手法について分析する。自然コンピュータビジョンの分野では、様々なディープラーニング生成モデルの開発と拡張について検討する。本稿では, 医用画像翻訳, MRI再構成, マルチコントラストMRI合成などの医療画像生成問題に対する深層学習の可能性について検討する。
論文参考訳（メタデータ） (2023-03-16T00:56:30Z)
SYNTA: A novel approach for deep learning-based image analysis in muscle histopathology using photo-realistic synthetic data [2.1616289178832666]
我々は,合成,フォトリアリスティック,高度に複雑なバイオメディカルイメージをトレーニングデータとして生成するための新しいアプローチとして,Synta(synthetic data)を紹介した。手動のアノテーションを必要とせずに、以前に見つからなかった実世界のデータに対して、堅牢で専門家レベルのセグメンテーションタスクを実行することが可能であることを実証した。
論文参考訳（メタデータ） (2022-07-29T12:50:32Z)
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)
Development of Semantic Web-based Imaging Database for Biological Morphome [0.0]
本稿ではRIKEN Microstructureural Imaging MetaDatabaseを紹介する。画像メタデータを記述したセマンティックWebベースの画像データベースである。本稿では,このデータベースにより促進できる形態画像データの高度活用について論じる。
論文参考訳（メタデータ） (2021-10-20T15:59:35Z)
Deep Unrolled Recovery in Sparse Biological Imaging [62.997667081978825]
ディープ・アルゴリズム・アンローリング(Deep Algorithm Unrolling)は、反復的アルゴリズムの解釈可能性と教師付きディープラーニングの性能向上を組み合わせたディープ・アーキテクチャを開発するためのモデルベースのアプローチである。この枠組みは生体イメージングの応用に適しており、測定プロセスを記述する物理モデルが存在し、回復すべき情報がしばしば高度に構造化されている。
論文参考訳（メタデータ） (2021-09-28T20:22:44Z)
Generative Adversarial U-Net for Domain-free Medical Image Augmentation [49.72048151146307]
注釈付き医用画像の不足は、医用画像コンピューティングの分野における最大の課題の1つだ。本稿では,生成逆U-Netという新しい生成手法を提案する。当社の新しいモデルは、ドメインフリーで、さまざまな医療画像に汎用性があります。
論文参考訳（メタデータ） (2021-01-12T23:02:26Z)
Fed-Sim: Federated Simulation for Medical Imaging [131.56325440976207]
本稿では、2つの学習可能なニューラルモジュールからなる物理駆動型生成手法を提案する。データ合成フレームワークは、複数のデータセットの下流セグメンテーション性能を改善する。
論文参考訳（メタデータ） (2020-09-01T19:17:46Z)
Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。