Fugu-MT 論文翻訳(概要): Resource Constrained U-Net for Extraction of Retinal Vascular Trees

論文の概要: Resource Constrained U-Net for Extraction of Retinal Vascular Trees

arxiv url: http://arxiv.org/abs/2407.04940v1
Date: Sat, 6 Jul 2024 03:15:00 GMT
ステータス: 処理完了
システム内更新日: 2024-07-09 21:57:27.477001
Title: Resource Constrained U-Net for Extraction of Retinal Vascular Trees
Title（参考訳）: 網膜血管樹抽出のための資源拘束型U-Net
Authors: Georgiy Kiselev,
Abstract要約: 本稿では,ヒト眼底写真に対する血管内皮マスク抽出のためのU-Net構造の改良の有効性を示す。限られた計算資源とトレーニングデータに対して、提案したモデルは、最先端の手法と比較してわずかに性能が劣る。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper demonstrates the efficacy of a modified U-Net structure for the extraction of vascular tree masks for human fundus photographs. On limited compute resources and training data, the proposed model only slightly underperforms when compared to state of the art methods.
Abstract（参考訳）: 本稿では,ヒト眼底写真に対する血管内皮マスク抽出のためのU-Net構造の改良の有効性を示す。限られた計算資源とトレーニングデータについて、提案手法は最先端の手法と比較してわずかに性能が劣る。

関連論文リスト

Diffusion Model Based Visual Compensation Guidance and Visual Difference Analysis for No-Reference Image Quality Assessment [82.13830107682232]
本稿では, 複雑な関係をモデル化する能力を示す, 最先端(SOTA)生成モデルを提案する。生成した拡張画像とノイズを含む画像を利用する新しい拡散復元ネットワークを考案する。 2つの視覚評価枝は、得られた高レベル特徴情報を包括的に解析するように設計されている。
論文参考訳（メタデータ） (2024-02-22T09:39:46Z)
JoReS-Diff: Joint Retinex and Semantic Priors in Diffusion Model for Low-light Image Enhancement [69.6035373784027]
低照度画像強調(LLIE)は条件付き拡散モデルを用いて有望な性能を実現している。従来手法は、タスク固有の条件戦略の十分な定式化の重要性を無視するものであった。本稿では,Retinex および semantic-based pre-processing condition を付加した新しいアプローチである JoReS-Diff を提案する。
論文参考訳（メタデータ） (2023-12-20T08:05:57Z)
Steerable Conditional Diffusion for Out-of-Distribution Adaptation in Medical Image Reconstruction [75.91471250967703]
我々は、ステアブル条件拡散と呼ばれる新しいサンプリングフレームワークを導入する。このフレームワークは、利用可能な測定によって提供される情報のみに基づいて、画像再構成と並行して拡散モデルを適用する。様々な画像モダリティにまたがるアウト・オブ・ディストリビューション性能の大幅な向上を実現した。
論文参考訳（メタデータ） (2023-08-28T08:47:06Z)
Generation of Structurally Realistic Retinal Fundus Images with Diffusion Models [1.9346186297861747]
血管構造を創出するために動脈・静脈マスクを作製し,網膜底部像を作製する条件を定めている。提案手法はよりリアルな血管構造を持つ高品質な画像を生成することができる。
論文参考訳（メタデータ） (2023-05-11T14:09:05Z)
Masked Images Are Counterfactual Samples for Robust Fine-tuning [77.82348472169335]
微調整の深層学習モデルは、分布内(ID)性能と分布外(OOD)堅牢性の間のトレードオフにつながる可能性がある。そこで本研究では,マスク付き画像を対物サンプルとして用いて,ファインチューニングモデルのロバスト性を向上させる新しいファインチューニング手法を提案する。
論文参考訳（メタデータ） (2023-03-06T11:51:28Z)
FG-Depth: Flow-Guided Unsupervised Monocular Depth Estimation [17.572459787107427]
そこで本研究では,典型的な測光損失を代替する流量蒸留損失と,不適切な画素を除去するための前向きフローベースマスクを提案する。提案手法は,KITTIとNYU-Depth-v2の両方のデータセットの最先端結果を実現する。
論文参考訳（メタデータ） (2023-01-20T04:02:13Z)
Attentive Fine-Grained Structured Sparsity for Image Restoration [63.35887911506264]
N:M 構造化プルーニングは,モデルの精度制約を効率的にするための効果的かつ実用的なプルーニング手法の1つである。そこで本稿では, 各層におけるN:M構造化空間の刈り取り比を決定する新しい刈り取り法を提案する。
論文参考訳（メタデータ） (2022-04-26T12:44:55Z)
Parametric Scaling of Preprocessing assisted U-net Architecture for Improvised Retinal Vessel Segmentation [1.3869502085838448]
本稿では,形態素前処理と拡張U-netアーキテクチャを併用した画像強調手法を提案する。 ROC曲線 (>0.9762) と分類精度 (>95.47%) の領域において、領域内の他のアルゴリズムと比較して顕著な改善が得られた。
論文参考訳（メタデータ） (2022-03-18T15:26:05Z)
Adversarial Domain Feature Adaptation for Bronchoscopic Depth Estimation [111.89519571205778]
そこで本研究では,深度推定のためのドメイン適応手法を提案する。提案する2段階構造は,まず,ラベル付き合成画像を用いた深度推定ネットワークを教師付きで訓練する。実験の結果,提案手法は実画像上でのネットワーク性能をかなりの差で向上させることがわかった。
論文参考訳（メタデータ） (2021-09-24T08:11:34Z)
SISE-PC: Semi-supervised Image Subsampling for Explainable Pathology [0.7226144684379189]
我々は,最も不確定なoct画像サンプルを含む最小のサブサンプリングデータセットを識別する,新しいアクティブラーニングフレームワークを提案する。提案手法は予測コストを最小化するために他の医用画像にも拡張できる。
論文参考訳（メタデータ） (2021-02-23T09:00:15Z)

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。