論文の概要: CO2Wounds-V2: Extended Chronic Wounds Dataset From Leprosy Patients

• arxiv url: http://arxiv.org/abs/2408.10827v1
• Date: Tue, 20 Aug 2024 13:21:57 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-21 13:35:12.715432
• Title: CO2Wounds-V2: Extended Chronic Wounds Dataset From Leprosy Patients
• Title（参考訳）: CO2Wounds-V2: ハンセン病患者からの慢性結節延長データセット
• Authors: Karen Sanchez, Carlos Hinojosa, Olinto Mieles, Chen Zhao, Bernard Ghanem, Henry Arguello,
• Abstract要約: 本稿では,レプロシー患者のRGB創傷画像の拡張コレクションであるCO2Wounds-V2データセットについて紹介する。 医療分野における画像処理アルゴリズムの開発とテストを強化することを目的としている。
• 参考スコア（独自算出の注目度）: 57.31670527557228
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Chronic wounds pose an ongoing health concern globally, largely due to the prevalence of conditions such as diabetes and leprosy's disease. The standard method of monitoring these wounds involves visual inspection by healthcare professionals, a practice that could present challenges for patients in remote areas with inadequate transportation and healthcare infrastructure. This has led to the development of algorithms designed for the analysis and follow-up of wound images, which perform image-processing tasks such as classification, detection, and segmentation. However, the effectiveness of these algorithms heavily depends on the availability of comprehensive and varied wound image data, which is usually scarce. This paper introduces the CO2Wounds-V2 dataset, an extended collection of RGB wound images from leprosy patients with their corresponding semantic segmentation annotations, aiming to enhance the development and testing of image-processing algorithms in the medical field.
• Abstract（参考訳）: 慢性的な傷は、主に糖尿病やハンセン病などの疾患が流行しているため、世界中で進行中の健康上の懸念を引き起こしている。 これらの傷をモニターする標準的な方法は、医療専門家による視覚検査である。 これにより、傷口画像の分析と追跡のために設計されたアルゴリズムが開発され、分類、検出、セグメンテーションなどの画像処理タスクが実行された。 しかし、これらのアルゴリズムの有効性は、一般的に少ない包括的および多様な創傷画像データの可用性に大きく依存している。 本稿では,レプロシー患者からのRGB創傷画像に対応するセグメンテーションアノテーションを付加したCO2Wounds-V2データセットを提案する。

関連論文リスト

• VISION: Toward a Standardized Process for Radiology Image Management at the National Level [3.793492459789475]
  我々は,米国退役軍人局(VA)電子健康記録データベースに関連付けられた,信頼できる放射線画像の収集を行った経験について述べる。 主な洞察は、臨床から研究可能な環境への画像転送に必要な特定の手順を明らかにすることである。
  論文  参考訳（メタデータ） (2024-04-29T16:30:24Z)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• Leveraging Semi-Supervised Graph Learning for Enhanced Diabetic Retinopathy Detection [0.0]
  糖尿病網膜症(DR: Diabetic Retinopathy)は、早期発見と治療の急激な必要性を浮き彫りにしている。 機械学習(ML)技術の最近の進歩は、DR検出における将来性を示しているが、ラベル付きデータの可用性は、しばしばパフォーマンスを制限している。 本研究では,DR検出に適したSemi-Supervised Graph Learning SSGLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-02T04:42:08Z)
• Calibrated Bagging Deep Learning for Image Semantic Segmentation: A Case Study on COVID-19 Chest X-ray Image [3.135883872525168]
  胸部X線(CXR)やCT(CT)などの画像検査は、臨床スタッフに有用な情報を提供することができる。 深層学習は、新型コロナウイルス感染症領域のセグメンテーションと疾患分類の実行に応用されている。 本研究では,バッジ深層学習とモデル校正を統合した新しいアンサンブル深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2022-05-27T20:06:45Z)
• Segmentation of Lungs COVID Infected Regions by Attention Mechanism and Synthetic Data [10.457311689444769]
  本研究は,感染した肺領域をCT画像に分割する手法を提案する。 注意機構を備えた畳み込みニューラルネットワークを用いて、複雑なパターンを持つ感染領域を検出する。 生成敵対ネットワークは、利用可能な小さなデータセットのデータの増大及び拡張のための合成画像を生成する。
  論文  参考訳（メタデータ） (2021-08-19T20:15:47Z)
• Dual-Consistency Semi-Supervised Learning with Uncertainty Quantification for COVID-19 Lesion Segmentation from CT Images [49.1861463923357]
  CT画像を用いた半監視型COVID-19病変分割のための不確実性誘導型二重一貫性学習ネットワーク(UDC-Net)を提案する。 提案した UDC-Net は,Dice の完全教師方式を 6.3% 向上させ,他の競合的半監督方式を有意なマージンで上回っている。
  論文  参考訳（メタデータ） (2021-04-07T16:23:35Z)
• Classification and Region Analysis of COVID-19 Infection using Lung CT Images and Deep Convolutional Neural Networks [0.8224695424591678]
  本研究は、肺CT画像中のCOVID-19感染領域を記述するための2段階の深層畳み込みニューラルネットワーク(CNN)に基づくフレームワークを提案する。 第1段階では、2段階の離散ウェーブレット変換を用いて、COVID-19特異的CT画像の特徴を増強する。 これらの拡張CT画像は、提案したカスタムメイドの深部CoV-CTNetを用いて分類される。 第2段階では、新型コロナウイルス感染症領域の同定と解析のためのセグメンテーションモデルに、感染画像として分類されたCT画像を提供する。
  論文  参考訳（メタデータ） (2020-09-16T02:28:46Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)
• VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
  大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。 本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
  論文  参考訳（メタデータ） (2020-01-24T21:09:18Z)

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。