論文の概要: Geometric-Based Nail Segmentation for Clinical Measurements
- arxiv url: http://arxiv.org/abs/2501.06027v1
- Date: Fri, 10 Jan 2025 15:04:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-13 15:27:19.139290
- Title: Geometric-Based Nail Segmentation for Clinical Measurements
- Title(参考訳): 臨床計測のための幾何学的爪分割法
- Authors: Bernat Galmés, Gabriel Moyà-Alcover, Pedro Bibiloni, Javier Varona, Antoni Jaume-i-Capó,
- Abstract要約: 提案法は,特定の病理疾患の発生率を客観的に定量化するための臨床試験の第1段階として用いられる。
我々はHough変換を用いて足指の先端を見つけ、爪の位置と大きさを推定した。
348イメージの医療データセットを用いて, 0.993の精度, F測定0.925の精度で検証した。
- 参考スコア(独自算出の注目度): 1.747623282473278
- License:
- Abstract: A robust segmentation method that can be used to perform measurements on toenails is presented. The proposed method is used as the first step in a clinical trial to objectively quantify the incidence of a particular pathology. For such an assessment, it is necessary to distinguish a nail, which locally appears to be similar to the skin. Many algorithms have been used, each of which leverages different aspects of toenail appearance. We used the Hough transform to locate the tip of the toe and estimate the nail location and size. Subsequently, we classified the super-pixels of the image based on their geometric and photometric information. Thereafter, the watershed transform delineated the border of the nail. The method was validated using a 348-image medical dataset, achieving an accuracy of 0.993 and an F-measure of 0.925. The proposed method is considerably robust across samples, with respect to factors such as nail shape, skin pigmentation, illumination conditions, and appearance of large regions affected by a medical condition
- Abstract(参考訳): 足の爪の計測に使用できる頑健なセグメンテーション法について述べる。
提案法は,特定の病理疾患の発生率を客観的に定量化するための臨床試験の第1段階として用いられる。
このような評価のためには、局所的に皮膚に類似しているように見える爪を区別する必要がある。
多くのアルゴリズムが使われており、それぞれが爪の外観の異なる側面を利用している。
我々はHough変換を用いて足指の先端を見つけ、爪の位置と大きさを推定した。
その後、幾何学的および測光的情報に基づいて画像の超画素を分類した。
その後、水系は爪の境界線を脱線させた。
348イメージの医療データセットを用いて, 0.993の精度, F測定0.925の精度で検証した。
提案手法は, 爪形状, 皮膚色素沈着, 照明条件, 医療条件の影響を受けやすい領域の出現などの因子に関して, 試料間でかなり堅牢である。
関連論文リスト
- Webcam-based Pupil Diameter Prediction Benefits from Upscaling [6.298516754485939]
本研究では,バイコビックから高度超解像まで,様々なアップスケーリング手法が瞳孔径予測に与える影響について検討した。
以上の結果から,大規模データセットで訓練した瞳孔径予測モデルは,選択したアップスケーリング手法やスケールに非常に敏感であることが示唆された。
論文 参考訳(メタデータ) (2024-08-19T20:28:39Z) - Stain-invariant self supervised learning for histopathology image
analysis [74.98663573628743]
乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。
本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2022-11-14T18:16:36Z) - Corneal endothelium assessment in specular microscopy images with Fuchs'
dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。
これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文 参考訳(メタデータ) (2022-10-13T15:34:20Z) - Development of an algorithm for medical image segmentation of bone
tissue in interaction with metallic implants [58.720142291102135]
本研究では,金属インプラントとの接触部における骨成長の計算アルゴリズムを開発した。
骨とインプラント組織はトレーニングデータセットに手動でセグメンテーションされた。
ネットワーク精度の面では、モデルは約98%に達した。
論文 参考訳(メタデータ) (2022-04-22T08:17:20Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳(メタデータ) (2022-02-27T02:19:09Z) - Systematic Clinical Evaluation of A Deep Learning Method for Medical
Image Segmentation: Radiosurgery Application [48.89674088331313]
3次元医用画像分割作業において,Deep Learning (DL) 手法を体系的に評価した。
本手法は放射線外科治療プロセスに統合され,臨床ワークフローに直接影響を及ぼす。
論文 参考訳(メタデータ) (2021-08-21T16:15:40Z) - Roughness Index and Roughness Distance for Benchmarking Medical
Segmentation [2.76240219662896]
医用画像分割分析のための適切な粗さ指標と粗さ距離を提案する。
i)表面上の不規則なスパイク/ホールを検出し、(ii)与えられた物体の表面粗さを測定する粗さ指数を提案し、(iii)2つの境界/表面の距離を測定する粗さ距離を提案し、(iv)表面を滑らかにするために不規則なスパイク/ホールを除去するのに役立つアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-03-23T07:19:32Z) - A New Approach for Automatic Segmentation and Evaluation of Pigmentation
Lesion by using Active Contour Model and Speeded Up Robust Features [0.9134244356393666]
皮膚病変を分節し,それに関連する特徴を抽出するための自動的方法を提案する。
提案された方法では、皮膚の最初に全体画像から皮膚の領域を分割し、平均、分散、RGBおよびHSVパラメータのようないくつかの特徴をセグメント化された領域から抽出する。
本手法を実験的に評価するために,20種類の皮膚病変画像に適用した。
論文 参考訳(メタデータ) (2021-01-18T17:57:42Z) - Saliency-based segmentation of dermoscopic images using color
information [3.8073142980733]
本稿では,色覚情報を用いて色素性病変領域を自動判定する方法について検討する。
本稿では,人間の視覚的知覚に触発された新しい知覚基準と組み合わせたバイナライゼーションプロセスを用いた新しい手法を提案する。
1497画像を含む2つの公開データベース上で評価を行った。
論文 参考訳(メタデータ) (2020-11-26T08:47:10Z) - Investigating and Exploiting Image Resolution for Transfer
Learning-based Skin Lesion Classification [3.110738188734789]
CNNは皮膚病変の分類に有効であることが示されている。
本稿では,入力画像サイズが細調整CNNの皮膚病変分類性能に及ぼす影響について検討する。
以上の結果から,64×64ピクセルの非常に小さな画像を用いて分類性能を低下させる一方,128×128ピクセルの画像では画像サイズが大きくなり,分類精度がわずかに向上した。
論文 参考訳(メタデータ) (2020-06-25T21:51:24Z) - Vertebra-Focused Landmark Detection for Scoliosis Assessment [54.24477530836629]
脊椎に焦点をあてた新しいランドマーク検出法を提案する。
我々のモデルはまず椎骨中心を局在させ、そこから学習されたコーナーオフセットを通して椎骨の4つの角のランドマークを辿る。
その結果,低コントラストおよび無明度X線画像におけるコブ角測定とランドマーク検出の両面での有用性が示された。
論文 参考訳(メタデータ) (2020-01-09T19:17:41Z)
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。