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-Based Hierarchical Image Steganography [60.69791384893602]
Hierarchical Image Steganographyは、複数のイメージを単一のコンテナに埋め込むセキュリティとキャパシティを高める新しい方法である。
フローモデルの可逆性とともに拡散モデルの堅牢性を利用する。
この革新的な構造は、コンテナイメージを自律的に生成し、複数の画像やテキストを安全かつ効率的に隠蔽することができる。
論文 参考訳(メタデータ) (2024-05-19T11:29:52Z) - 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) - Synthetic optical coherence tomography angiographs for detailed retinal
vessel segmentation without human annotations [12.571349114534597]
本稿では,より高速でリアルなOCTA合成のために,空間コロニー化に基づく網膜血管網の軽量なシミュレーションを行う。
本研究では,3つの公開データセットに対する定量的および定性的実験において,提案手法の優れたセグメンテーション性能を示す。
論文 参考訳(メタデータ) (2023-06-19T14:01:47Z) - 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) - A Fair Loss Function for Network Pruning [93.0013343535411]
本稿では, 刈り込み時のバイアスの抑制に使用できる簡易な改良型クロスエントロピー損失関数である, 性能重み付き損失関数を提案する。
偏見分類器を用いた顔分類と皮膚記述分類タスクの実験により,提案手法が簡便かつ効果的なツールであることを実証した。
論文 参考訳(メタデータ) (2022-11-18T15:17:28Z) - Attentive Fine-Grained Structured Sparsity for Image Restoration [49.77027218855642]
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。
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。