論文の概要: Doppler-Enhanced Deep Learning: Improving Thyroid Nodule Segmentation with YOLOv5 Instance Segmentation

• arxiv url: http://arxiv.org/abs/2512.00639v1
• Date: Sat, 29 Nov 2025 21:24:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.33924
• Title: Doppler-Enhanced Deep Learning: Improving Thyroid Nodule Segmentation with YOLOv5 Instance Segmentation
• Title（参考訳）: ドップラー強化ディープラーニング: YOLOv5インスタンスセグメンテーションによる甲状腺結節セグメンテーションの改善
• Authors: Mahmoud El Hussieni,
• Abstract要約: 本研究は, 超音波画像上でのYOLOv5アルゴリズムを用いた甲状腺結節の例分割に焦点を当てた。 YOLOv5-Largeアルゴリズムは、ドップラー画像を含むデータセット上で、ダイススコア91%、mAP0.87で最高性能を達成した。 YOLOv5-Smallモデルは、ドップラー画像が除外されたときに79%のダイススコアを達成した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing prevalence of thyroid cancer globally has led to the development of various computer-aided detection methods. Accurate segmentation of thyroid nodules is a critical first step in the development of AI-assisted clinical decision support systems. This study focuses on instance segmentation of thyroid nodules using YOLOv5 algorithms on ultrasound images. We evaluated multiple YOLOv5 variants (Nano, Small, Medium, Large, and XLarge) across two dataset versions, with and without doppler images. The YOLOv5-Large algorithm achieved the highest performance with a dice score of 91\% and mAP of 0.87 on the dataset including doppler images. Notably, our results demonstrate that doppler images, typically excluded by physicians, can significantly improve segmentation performance. The YOLOv5-Small model achieved 79\% dice score when doppler images were excluded, while including them improved performance across all model variants. These findings suggest that instance segmentation with YOLOv5 provides an effective real-time approach for thyroid nodule detection, with potential clinical applications in automated diagnostic systems.
• Abstract（参考訳）: 世界規模で甲状腺癌が流行するにつれて、様々なコンピュータ支援検出法が開発されている。 甲状腺結節の正確なセグメンテーションは、AIによる臨床決定支援システムの開発における重要な第一歩である。 本研究は, 超音波画像上でのYOLOv5アルゴリズムを用いた甲状腺結節の例分割に焦点を当てた。 Nano, Small, Medium, Large, XLarge の複数の YOLOv5 変種を,ドップラー画像とドップラー画像の2つのデータセットバージョンで評価した。 YOLOv5-Largeアルゴリズムは、ドップラー画像を含むデータセット上で、ダイススコア91\%、mAP0.87で最高性能を達成した。 特に, ドップラー画像は, 一般的に医師によって除外され, セグメンテーション性能が著しく向上することを示した。 YOLOv5-Smallモデルは、ドップラー画像が除外された場合、79\%のダイススコアを達成した。 これらの結果から, YOLOv5の症例分割は甲状腺結節検出に有効であり, 臨床応用の可能性も示唆された。

関連論文リスト

• A Deep Learning Framework for Thyroid Nodule Segmentation and Malignancy Classification from Ultrasound Images [2.875000842489767]
  本稿では,完全自動化された悪性度予測のための2段階のフレームワークを提案する。 本手法は,臨床的に関係のある領域にのみ集中させ,解釈可能性を実現する。 これは、超音波画像上で甲状腺結節を検出し、悪性度を予測するための、最初の完全なエンドツーエンドパイプラインである。
  論文  参考訳（メタデータ） (2025-11-14T23:23:24Z)
• YOLOv9 for Fracture Detection in Pediatric Wrist Trauma X-ray Images [0.0]
  本稿では, YOLOv9アルゴリズムモデルをコンピュータ支援診断(CAD)として骨折検出タスクに適用した最初の例である。 実験の結果、現在の最先端(SOTA)モデルのmAP 50-95と比較して、YOLOv9モデルは42.16%から43.73%に上昇し、3.7%の改善が見られた。
  論文  参考訳（メタデータ） (2024-03-17T15:47:54Z)
• Thyroid ultrasound diagnosis improvement via multi-view self-supervised learning and two-stage pre-training [14.852699885616218]
  甲状腺結節の分類とセグメンテーション性能を限定的な手動ラベルで改善する多視点コントラスト自己監督法を提案した。 提案手法は,同じ結節の横方向と縦方向のビューを一致させることで,結節領域にもっと焦点を合わせることができる。 また,ImageNetおよび甲状腺超音波画像の事前訓練を利用するために,2段階の事前訓練も導入した。
  論文  参考訳（メタデータ） (2024-02-18T07:56:29Z)
• A Two-Stage Generative Model with CycleGAN and Joint Diffusion for MRI-based Brain Tumor Detection [41.454028276986946]
  本稿では,脳腫瘍の検出とセグメンテーションを改善するための2段階生成モデル(TSGM)を提案する。 CycleGANは、未ペアデータに基づいてトレーニングされ、データとして正常な画像から異常な画像を生成する。 VE-JPは、合成対の異常画像をガイドとして使用して、健康な画像の再構成を行う。
  論文  参考訳（メタデータ） (2023-11-06T12:58:26Z)
• 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)
• Self-supervised contrastive learning of echocardiogram videos enables label-efficient cardiac disease diagnosis [48.64462717254158]
  心エコービデオを用いた自己教師型コントラスト学習手法であるエコーCLRを開発した。 左室肥大症 (LVH) と大動脈狭窄症 (AS) の分類成績は,EchoCLR の訓練により有意に改善した。 EchoCLRは、医療ビデオの表現を学習する能力に特有であり、SSLがラベル付きデータセットからラベル効率の高い疾患分類を可能にすることを実証している。
  論文  参考訳（メタデータ） (2022-07-23T19:17:26Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• COVID-19 Detection Using CT Image Based On YOLOv5 Network [31.848436570442704]
  Kaggleプラットフォームが提供するデータセットと、モデルとしてYOLOv5を選択します。 本研究は,作業部における客観的検出手法について紹介する。 対物検出は、1段と2段の2つのストリームに分けることができる。
  論文  参考訳（メタデータ） (2022-01-24T21:50:58Z)
• Osteoporosis Prescreening using Panoramic Radiographs through a Deep Convolutional Neural Network with Attention Mechanism [65.70943212672023]
  注意モジュールを持つディープ畳み込みニューラルネットワーク(CNN)はパノラマX線写真上で骨粗しょう症を検出することができる。 49歳から60歳までの70種類のパノラマX線写真(PR)のデータセットを用いて検討した。
  論文  参考訳（メタデータ） (2021-10-19T00:03:57Z)
• 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。