論文の概要: Improving Automatic Fetal Biometry Measurement with Swoosh Activation Function
- arxiv url: http://arxiv.org/abs/2412.11377v1
- Date: Mon, 16 Dec 2024 02:05:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-17 13:59:29.661112
- Title: Improving Automatic Fetal Biometry Measurement with Swoosh Activation Function
- Title（参考訳）: スプーッシュアクティベーション機能による胎児の生体自動計測の改善
- Authors: Shijia Zhou, Euijoon Ahn, Hao Wang, Ann Quinton, Narelle Kennedy, Pradeeba Sridar, Ralph Nanan, Jinman Kim,
- Abstract要約: 胎児視床径(FTD)と胎児頭周率(FHC)の測定は、異常な胎児発生の同定に不可欠である。
現在の最先端(SOTA)アルゴリズムであるBiometryNetは、FTDとFHC測定には不十分である。
本稿では,ランドマーク検出アルゴリズムによって生成されるヒートマップの正規化を強化するために,新しい活性化関数(SAF)を提案する。
- 参考スコア（独自算出の注目度）: 10.618598624341086
- License:
- Abstract: The measurement of fetal thalamus diameter (FTD) and fetal head circumference (FHC) are crucial in identifying abnormal fetal thalamus development as it may lead to certain neuropsychiatric disorders in later life. However, manual measurements from 2D-US images are laborious, prone to high inter-observer variability, and complicated by the high signal-to-noise ratio nature of the images. Deep learning-based landmark detection approaches have shown promise in measuring biometrics from US images, but the current state-of-the-art (SOTA) algorithm, BiometryNet, is inadequate for FTD and FHC measurement due to its inability to account for the fuzzy edges of these structures and the complex shape of the FTD structure. To address these inadequacies, we propose a novel Swoosh Activation Function (SAF) designed to enhance the regularization of heatmaps produced by landmark detection algorithms. Our SAF serves as a regularization term to enforce an optimum mean squared error (MSE) level between predicted heatmaps, reducing the dispersiveness of hotspots in predicted heatmaps. Our experimental results demonstrate that SAF significantly improves the measurement performances of FTD and FHC with higher intraclass correlation coefficient scores in FTD and lower mean difference scores in FHC measurement than those of the current SOTA algorithm BiometryNet. Moreover, our proposed SAF is highly generalizable and architecture-agnostic. The SAF's coefficients can be configured for different tasks, making it highly customizable. Our study demonstrates that the SAF activation function is a novel method that can improve measurement accuracy in fetal biometry landmark detection. This improvement has the potential to contribute to better fetal monitoring and improved neonatal outcomes.
- Abstract（参考訳）: 胎児の視床径 (FTD) と胎児頭周率 (FHC) の測定は、後の生活において特定の神経精神疾患を引き起こす可能性があるため、胎児の視床発達の異常を識別するために重要である。
しかし, 2D-US画像からの手動計測は困難であり, サーバ間変動が大きい傾向があり, 画像の高信号-雑音比の性質が複雑である。
深層学習に基づくランドマーク検出アプローチは、米国の画像からバイオメトリックスを測定することを約束しているが、現在の最先端(SOTA)アルゴリズムであるBiometryNetは、これらの構造のファジィエッジとFTD構造の複雑な形状を考慮できないため、FTDとFHCの測定には不十分である。
これらの不整合に対処するために,ランドマーク検出アルゴリズムによって生成されるヒートマップの正規化を強化するために,Swash Activation Function (SAF) を提案する。
我々のSAFは、予測熱マップ間の最適平均二乗誤差(MSE)レベルを強制する正規化用語として機能し、予測熱マップにおけるホットスポットの分散性を低減する。
実験の結果,SAFはFTDにおけるFTDとFHCの測定性能を,現在のSOTAアルゴリズムであるBiometryNetと比較すると,FTDにおけるFTDとFHCの相関係数スコアとFHCの平均差スコアとで有意に向上することが示された。
さらに,提案するSAFは,高度に一般化可能で,アーキテクチャに依存しない。
SAFの係数は異なるタスクに設定できるため、高度にカスタマイズできる。
本研究は, 胎児バイオメトリのランドマーク検出における測定精度を向上させる手法として, SAFアクティベーション関数が有用であることを示す。
この改善は胎児のモニタリングの改善と新生児の結果の改善に寄与する可能性がある。
関連論文リスト
- Enhancing Angular Resolution via Directionality Encoding and Geometric Constraints in Brain Diffusion Tensor Imaging [70.66500060987312]
拡散強調画像(DWI)は、水分子の拡散率に感応した磁気共鳴イメージング(MRI)の一種である。
本研究はDirGeo-DTIを提案する。DirGeo-DTIは、勾配方向の最小理論数(6)で得られたDWIの集合からでも、信頼できるDTIメトリクスを推定する深層学習に基づく手法である。
論文 参考訳（メタデータ） (2024-09-11T11:12:26Z) - Topological GCN for Improving Detection of Hip Landmarks from B-Mode Ultrasound Images [37.92866910969225]
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。
論文 参考訳（メタデータ） (2024-08-24T06:47:38Z) - Bayesian Uncertainty Estimation by Hamiltonian Monte Carlo: Applications to Cardiac MRI Segmentation [3.0665936758208447]
深層学習法は多くの医用画像セグメンテーションタスクにおいて最先端の性能を達成した。
最近の研究では、ディープニューラルネットワーク(DNN)が誤解され、過信され、"サイレント障害"につながることが示されている。
医療データ増大に対応するため,Hachian Monte Carlo (HMC) を用いたベイズ学習フレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-04T18:47:56Z) - BSSAD: Towards A Novel Bayesian State-Space Approach for Anomaly
Detection in Multivariate Time Series [0.0]
ベイジアン状態空間異常検出(BSSAD)と呼ばれる新しい,革新的な異常検出手法を提案する。
提案手法の設計は,ベイズ状態空間アルゴリズムの次の状態予測における強みと,繰り返しニューラルネットワークとオートエンコーダの有効性を組み合わせたものである。
特に,粒子フィルタとアンサンブルカルマンフィルタのベイズ状態空間モデルの利用に着目する。
論文 参考訳（メタデータ） (2023-01-30T16:21:18Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳（メタデータ） (2022-09-05T16:38:13Z) - Steerable Pyramid Transform Enables Robust Left Ventricle Quantification [24.186574235693826]
左室定量化(LV)のためのロバストモデル学習法について述べる。
我々の成功は、固定されたフロントエンド処理に生物学的にインスパイアされたステアブルピラミッド変換(SPT)を採用することにある。
我々のSPT拡張モデルは、最先端の手法に比べて合理的な予測精度を達成するだけでなく、入力摂動に対する堅牢性も著しく向上している。
論文 参考訳（メタデータ） (2022-01-20T06:09:56Z) - Robust Depth Completion with Uncertainty-Driven Loss Functions [60.9237639890582]
本研究では,不確実性による損失関数を導入し,深度補修の堅牢性を改善し,深度補修の不確実性に対処する。
提案手法は,KITTI深度評価ベンチマークでテストされ,MAE, IMAE, IRMSEの計測値を用いて最先端のロバスト性性能を達成した。
論文 参考訳（メタデータ） (2021-12-15T05:22:34Z) - Differentially private training of neural networks with Langevin
dynamics forcalibrated predictive uncertainty [58.730520380312676]
その結果,DP-SGD(差分偏差勾配勾配勾配勾配勾配)は,低校正・過信深層学習モデルが得られることがわかった。
これは、医療診断など、安全クリティカルな応用にとって深刻な問題である。
論文 参考訳（メタデータ） (2021-07-09T08:14:45Z) - Uncertainty Estimation in Medical Image Localization: Towards Robust
Anterior Thalamus Targeting for Deep Brain Stimulation [11.910765921234333]
本稿では,2段階の深層学習(DL)フレームワークを提案する。
第1段階は、脳MRI全体から視床領域を特定して収穫する。
第2段階は、最も微細な解像度スケールで目標をローカライズするために、収穫された体積に対してボクセル単位の回帰を行う。
論文 参考訳（メタデータ） (2020-11-03T23:43:52Z) - Real-Time Anomaly Detection in Edge Streams [49.26098240310257]
マイクロクラスタ異常の検出に焦点を当てたMIDASを提案する。
さらに、アルゴリズムの内部状態に異常が組み込まれている問題を解くために、MIDAS-Fを提案する。
実験の結果,MIDAS-Fの精度はMIDASよりも有意に高かった。
論文 参考訳（メタデータ） (2020-09-17T17:59:27Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z)
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。