Fugu-MT 論文翻訳(概要): Topological GCN for Improving Detection of Hip Landmarks from B-Mode Ultrasound Images

論文の概要: Topological GCN for Improving Detection of Hip Landmarks from B-Mode Ultrasound Images

arxiv url: http://arxiv.org/abs/2408.13495v1
Date: Sat, 24 Aug 2024 06:47:38 GMT
ステータス: 処理完了
システム内更新日: 2024-08-27 19:19:21.620932
Title: Topological GCN for Improving Detection of Hip Landmarks from B-Mode Ultrasound Images
Title（参考訳）: Bモード超音波画像からのヒップランドマーク検出のためのトポロジカルGCN
Authors: Tianxiang Huang, Jing Shi, Ge Jin, Juncheng Li, Jun Wang, Jun Du, Jun Shi,
Abstract要約: トポロジカルGCN (TGCN) と改良コンバータ (TGCN-ICF) を統合した新しいヒップランドマーク検出モデルを提案する。 TGCN-ICFには、熱マップを生成する改良コンバータ(ICF)サブネットワークと、ランドマーク検出をさらに洗練するためのTGCNサブネットワークという2つのワークが含まれている。実DDHデータセットにおける実験結果から,提案したTGCN-ICFが比較アルゴリズムのすべてより優れていることが示された。
参考スコア（独自算出の注目度）: 37.92866910969225
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The B-mode ultrasound based computer-aided diagnosis (CAD) has demonstrated its effectiveness for diagnosis of Developmental Dysplasia of the Hip (DDH) in infants. However, due to effect of speckle noise in ultrasound im-ages, it is still a challenge task to accurately detect hip landmarks. In this work, we propose a novel hip landmark detection model by integrating the Topological GCN (TGCN) with an Improved Conformer (TGCN-ICF) into a unified frame-work to improve detection performance. The TGCN-ICF includes two subnet-works: an Improved Conformer (ICF) subnetwork to generate heatmaps and a TGCN subnetwork to additionally refine landmark detection. This TGCN can effectively improve detection accuracy with the guidance of class labels. Moreo-ver, a Mutual Modulation Fusion (MMF) module is developed for deeply ex-changing and fusing the features extracted from the U-Net and Transformer branches in ICF. The experimental results on the real DDH dataset demonstrate that the proposed TGCN-ICF outperforms all the compared algorithms.
Abstract（参考訳）: Bモード超音波を用いたコンピュータ支援診断 (CAD) は, 乳児の発達障害 (DDH) の診断に有効であることを示した。しかし, 超音波インジェスにおけるスペックルノイズの影響から, ヒップランドマークを正確に検出することは依然として課題である。本研究では,トポロジカルGCN (TGCN) と改良コンバータ (TGCN-ICF) を統合した新しいヒップランドマーク検出モデルを提案する。 TGCN-ICFには、熱マップを生成する改良コンバータ(ICF)サブネットワークと、ランドマーク検出をさらに洗練するTGCNサブネットワークという2つのサブネットワークが含まれている。このTGCNは、クラスラベルのガイダンスにより検出精度を効果的に向上させることができる。 Moreo-ver では,Multual Modulation Fusion (MMF) モジュールが開発され,ICF の U-Net と Transformer のブランチから抽出した特徴を深く改ざんし,融合する。実DDHデータセットにおける実験結果から,提案したTGCN-ICFが比較アルゴリズムのすべてより優れていることが示された。

関連論文リスト

High-Pass Graph Convolutional Network for Enhanced Anomaly Detection: A Novel Approach [0.0]
本稿では,グラフ異常検出(GAD)のためのハイパスグラフ畳み込みネットワーク(HP-GCN)を提案する。提案したHP-GCNは、異常が正常ノードネットワーク内の高周波信号を増加させる傾向があるため、異常を検出するために高周波成分を利用する。このモデルはYelpChi、Amazon、T-Finance、T-Socialデータセットで評価され、検証される。
論文参考訳（メタデータ） (2024-11-04T05:38:07Z)
Prototype Learning Guided Hybrid Network for Breast Tumor Segmentation in DCE-MRI [58.809276442508256]
本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマー層を組み合わせたハイブリッドネットワークを提案する。プライベートおよびパブリックなDCE-MRIデータセットの実験結果から,提案したハイブリッドネットワークは最先端の手法よりも優れた性能を示した。
論文参考訳（メタデータ） (2024-08-11T15:46:00Z)
DTP-Net: Learning to Reconstruct EEG signals in Time-Frequency Domain by Multi-scale Feature Reuse [7.646218090238708]
学習可能な時間周波数変換を挟んだDTP(Densely Connected Temporal Pyramid)で構成された、DTP-Netと呼ばれる完全な畳み込みニューラルネットワークを提案する。脳波信号は様々なアーティファクトによって容易に破壊され、疾患診断や脳-コンピュータインターフェース(BCI)などのシナリオにおいて、信号品質を改善するためにアーティファクトの除去が重要となる 2つの公開セミシミュレートされたデータセットで実施された大規模な実験は、DTP-Netの効果的なアーティファクト除去性能を示す。
論文参考訳（メタデータ） (2023-11-27T11:09:39Z)
Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文参考訳（メタデータ） (2022-12-01T07:32:56Z)
InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
論文参考訳（メタデータ） (2021-12-23T15:52:37Z)
MRI to PET Cross-Modality Translation using Globally and Locally Aware GAN (GLA-GAN) for Multi-Modal Diagnosis of Alzheimer's Disease [1.7499351967216341]
現実像を合成できるGAN(Generative Adversarial Network)は、標準的なデータ拡張手法の代替として大きな可能性を秘めている。本稿では,グローバルな構造的整合性と局所的細部への忠実さを両立させるマルチパスアーキテクチャにより,グローバルかつ局所的に認識された画像間変換GAN(GLA-GAN)を提案する。
論文参考訳（メタデータ） (2021-08-04T16:38:33Z)
Automated freezing of gait assessment with marker-based motion capture and deep learning approaches expert-level detection [0.9103175498038585]
本稿では,深層ニューラルネットワークを用いたモーションキャプチャを用いたFOG評価手法を提案する。提案ネットワークはマルチステージグラフ畳み込みネットワーク (MS-GCN) と呼ばれ、空間時間グラフ畳み込みネットワーク (ST-GCN) とマルチステージ時間畳み込みネットワーク (MS-TCN) を組み合わせたものである。実験により,提案モデルが最先端のベースラインを上回ることが示された。
論文参考訳（メタデータ） (2021-03-29T09:32:45Z)
An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文参考訳（メタデータ） (2020-12-06T18:55:07Z)
BCGGAN: Ballistocardiogram artifact removal in simultaneous EEG-fMRI using generative adversarial network [14.014014808233016]
脳のfMRIでは、BCG(Ballistocardiogram)アーティファクトが脳波を著しく汚染する可能性がある。本稿では,新しいモジュール型生成対向ネットワーク(GAN)とそれに対応するトレーニング戦略を提案し,ネットワーク性能を向上する。実験により,複数の手法と比較して,BCGアーチファクトをより効果的に除去できることが示唆された。
論文参考訳（メタデータ） (2020-11-03T13:54:01Z)
ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
論文参考訳（メタデータ） (2020-05-11T16:29:12Z)

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。