Fugu-MT 論文翻訳(概要): Enhanced DeepLab Based Nerve Segmentation with Optimized Tuning

論文の概要: Enhanced DeepLab Based Nerve Segmentation with Optimized Tuning

arxiv url: http://arxiv.org/abs/2507.13394v1
Date: Wed, 16 Jul 2025 09:26:18 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-21 20:43:26.070347
Title: Enhanced DeepLab Based Nerve Segmentation with Optimized Tuning
Title（参考訳）: 最適化チューニングによるDeepLabベースの神経セグメンテーションの強化
Authors: Akhil John Thomas, Christiaan Boerkamp,
Abstract要約: 本研究では、DeepLabV3ベースのセグメンテーションパイプラインを最適化した。我々は超音波神経画像におけるDice Score 0.78、IoU 0.70、Pixel Accuracy 0.95を達成した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Nerve segmentation is crucial in medical imaging for precise identification of nerve structures. This study presents an optimized DeepLabV3-based segmentation pipeline that incorporates automated threshold fine-tuning to improve segmentation accuracy. By refining preprocessing steps and implementing parameter optimization, we achieved a Dice Score of 0.78, an IoU of 0.70, and a Pixel Accuracy of 0.95 on ultrasound nerve imaging. The results demonstrate significant improvements over baseline models and highlight the importance of tailored parameter selection in automated nerve detection.
Abstract（参考訳）: 神経のセグメンテーションは、神経構造の正確な同定のための医学的イメージングにおいて重要である。本研究では,DeepLabV3をベースとしたセグメンテーションパイプラインを最適化し,セグメンテーション精度を向上させる。前処理工程の精錬とパラメータ最適化の実施により、超音波神経画像におけるDice Score 0.78、IoU 0.70、Pixel Accuracy 0.95を達成した。その結果、ベースラインモデルよりも大幅に改善され、自動神経検出におけるパラメータ選択の調整の重要性が強調された。

関連論文リスト

Improving Machine Learning Based Sepsis Diagnosis Using Heart Rate Variability [0.0]
本研究の目的は、心拍変動(HRV)機能を用いて、敗血症検出のための効果的な予測モデルを開発することである。ニューラルネットワークモデルは、HRVの特徴に基づいてトレーニングされ、F1スコアは0.805、精度は0.851、リコールは0.763である。
論文参考訳（メタデータ） (2024-08-01T01:47:29Z)
Deep Kernel and Image Quality Estimators for Optimizing Robotic Ultrasound Controller using Bayesian Optimization [2.0971479389679337]
自律型ロボット超音波(Autonomous Robotic Ultrasound, A-RUS)は、ソノグラフィーの作業量を削減するための手作業の代替手段である。 A-RUSの鍵となる課題は、異なる患者にまたがる関心領域の超音波画像品質を最適化することである。これは解剖学、誤差源の認識、正確なプローブの位置、向き、圧力の知識を必要とする。
論文参考訳（メタデータ） (2023-10-11T11:20:35Z)
Weakly supervised segmentation of intracranial aneurysms using a novel 3D focal modulation UNet [0.5106162890866905]
本稿では,新しい3次元焦点変調UNetであるFocalSegNetを提案する。 UIA検出では偽陽性率は0.21で感度は0.80であった。
論文参考訳（メタデータ） (2023-08-06T03:28:08Z)
DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler Signal [48.97719097435527]
DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
論文参考訳（メタデータ） (2023-05-15T18:19:29Z)
Estimation of mitral valve hinge point coordinates -- deep neural net for echocardiogram segmentation [0.0]
僧帽弁ヒンジ点の完全自動検出法を提案する。この方法は、得られたセグメンテーションから第2ステップで僧帽弁ヒンジポイントを抽出する。この自動検出法を用いて測定した結果を基準座標値と比較した。
論文参考訳（メタデータ） (2023-01-20T19:46:16Z)
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)
Hybrid guiding: A multi-resolution refinement approach for semantic segmentation of gigapixel histopathological images [0.7490318169877296]
セマンティックセグメンテーションのための、H2G-Netと呼ばれるカスケード畳み込みニューラルネットワーク設計を提案する。設計にはパッチワイズ方式による検出段階と、畳み込みオートエンコーダを用いた改良段階が含まれる。最高の設計は90 WSIの独立したテストセットでDiceスコア0.933を達成した。
論文参考訳（メタデータ） (2021-12-07T02:31:29Z)
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)
Hessian-Aware Pruning and Optimal Neural Implant [74.3282611517773]
プルーニングは、ニューラルネットワークモデルに関連するメモリフットプリントとフラップを減らす効果的な方法である。構造的プルーニングの指標として2次感度を用いたニューラルインプラントアプローチと組み合わされた新しいヘッセン認識プルーニング法を提案する。
論文参考訳（メタデータ） (2021-01-22T04:08:03Z)
Self-Tuning Stochastic Optimization with Curvature-Aware Gradient Filtering [53.523517926927894]
サンプルごとのHessian-vector積と勾配を用いて、自己チューニングの二次構造を構築する。モデルに基づく手続きが雑音勾配設定に収束することを証明する。これは自己チューニング二次体を構築するための興味深いステップである。
論文参考訳（メタデータ） (2020-11-09T22:07:30Z)
A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。技術および生物学的指標を用いた提案アルゴリズムの解析を行った。その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。