論文の概要: Exponential Pixelating Integral transform with dual fractal features for enhanced chest X-ray abnormality detection
- arxiv url: http://arxiv.org/abs/2609.10988v1
- Date: Thu, 10 Sep 2026 02:10:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.181174
- Title: Exponential Pixelating Integral transform with dual fractal features for enhanced chest X-ray abnormality detection
- Title（参考訳）: 胸部X線異常検出のためのデュアルフラクタル特徴付き指数的画素変換
- Abstract要約: 呼吸器疾患(特に新型コロナウイルスによる増悪)の流行は、早期発見とタイムリーな介入の必要性を浮き彫りにしている。
医学的には、胸部X線撮影は多様な呼吸障害の重症度を診断し、評価するために必要かつ経済的に有効な医療画像撮影アプローチである。
胸部X線における感染を自動的に検出するための新しい分析モデルであるExponential Pixelating Integralが導入された。
- 参考スコア（独自算出の注目度）: 3.2548794659022398
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The heightened prevalence of respiratory disorders, particularly exacerbated by a significant upswing in fatalities due to the novel coronavirus, underscores the critical need for early detection and timely intervention. This imperative is paramount, possessing the potential to profoundly impact and safeguard numerous lives. Medically, chest radiography stands out as an essential and economically viable medical imaging approach for diagnosing and assessing the severity of diverse Respiratory Disorders. However, their detection in Chest X-Rays is a cumbersome task even for well-trained radiologists owing to low contrast issues, overlapping of the tissue structures, subjective variability, and the presence of noise. To address these issues, a novel analytical model termed Exponential Pixelating Integral is introduced for the automatic detection of infections in Chest X-Rays in this work. Initially, the presented Exponential Pixelating Integral enhances the pixel intensities to overcome the low-contrast issues that are then polar-transformed followed by their representation using the locally invariant Mandelbrot and Julia fractal geometries for effective distinction of structural features. The collated features labeled Exponential Pixelating Integral with dually characterized fractal features are then classified by the non-parametric multivariate adaptive regression splines to establish an ensemble model between each pair of classes for effective diagnosis of diverse diseases. Rigorous analysis of the proposed classification framework on large medical benchmarked datasets showcases its superiority over its peers by registering a higher classification accuracy and F1 scores ranging from 98.46 to 99.45% and 96.53-98.10% respectively, making it a precise and interpretable automated system for diagnosing respiratory disorders.
- Abstract（参考訳）: 呼吸器疾患の高頻度化、特に新型コロナウイルスによる死亡者の増加により悪化していることから、早期発見とタイムリーな介入が重要視されている。
この衝動は最重要であり、多くの生命に深く影響し、保護する可能性を持っている。
医学的には、胸部X線撮影は多様な呼吸障害の重症度を診断し、評価するために必要かつ経済的に有効な医療画像撮影アプローチである。
しかし、胸部X線による検出は、低コントラスト問題、組織構造の重複、主観的変動、ノイズの存在などにより、十分に訓練された放射線学者にとってさえも厄介な作業である。
これらの問題に対処するため、ケストX線における感染を自動的に検出するための、Exponential Pixelating Integralと呼ばれる新しい分析モデルが導入された。
当初、Exponential Pixelating Integral(英語版)はピクセル強度を高めて極変換された低コントラスト問題を克服し、続いて局所不変なマンデルブロットとジュリアフラクタル幾何学を用いて構造的特徴を効果的に区別する。
次に,2つの特徴を持つフラクタル特徴を持つ指数図形積分を非パラメトリック多変量適応適応スプラインで分類し,各クラス間のアンサンブルモデルを構築し,多様な疾患を効果的に診断する。
大規模医療ベンチマークデータセットを用いた分類フレームワークの厳密な分析は、高い分類精度とF1スコアをそれぞれ98.46から99.45%、96.53-98.10%の範囲で登録することにより、呼吸障害を診断するための正確かつ解釈可能な自動化システムであることを示す。
関連論文リスト
- Text-Guided Diffusion-Based Adversarial Attacks on Chest X-Ray Images [1.167393095135318]
本稿では,拡散生成器とターゲット分類器を凍結したまま,学習可能なテキスト条件付けを最適化するテキスト誘導拡散ベース対向フレームワークを提案する。
AUROCはバイナリ分類では0.3885-0.5646、マルチディスリーズ設定では0.4441-0.4878に低下した。
これらの結果は、人間と機械の解釈に臨床的に重要な相違があることを示し、従来のピクセル空間攻撃を超えて、医療AIの堅牢性評価を拡張する必要性を示している。
論文 参考訳（メタデータ） (2026-08-29T22:19:04Z) - DiffusionXRay: A Diffusion and GAN-Based Approach for Enhancing Digitally Reconstructed Chest Radiographs [0.13048920509133807]
胸部X線画像の新しい画像復元パイプラインであるDiffusionXRayを紹介する。
X線画像復元のニュアンスを学習し,低画質と高画質の画像に対してDDPMベースのモデルを訓練する。
本手法は,胸部X線像の明瞭度,コントラスト,診断の総合的価値を高めるための有望な結果を示す。
論文 参考訳（メタデータ） (2026-03-02T10:14:50Z) - Deep Learning Based CNN Model for Automated Detection of Pneumonia from Chest XRay Images [0.0]
肺炎は、世界で最も大きな進化と死亡の原因の1つとなっている。
胸部X線撮影を手動で解釈する従来の手法は、観察者間変動の疲労により、しばしば制約される。
本稿では,胸部X線画像中の肺炎を高精度かつ最小の計算コストで認識できる,独自のConal Neural Network CNNを用いた統合診断モデルを提案する。
論文 参考訳（メタデータ） (2026-01-30T15:05:40Z) - X-ray Insights Unleashed: Pioneering the Enhancement of Multi-Label Long-Tail Data [86.52299247918637]
胸部X線撮影における長期肺腫瘍の診断は困難であった。
尾部病変の表現力を高める拡散法は近年進歩しているが, 稀な病変例では, それらの発生能が低下している。
そこで本研究では,従来のX線を併用して尾部病変を増大させる新しいデータ合成パイプラインを提案する。
論文 参考訳（メタデータ） (2025-12-24T06:14:55Z) - An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。
本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。
本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
論文 参考訳（メタデータ） (2025-10-21T17:18:55Z) - RadFabric: Agentic AI System with Reasoning Capability for Radiology [61.25593938175618]
RadFabricは、総合的なCXR解釈のための視覚的およびテキスト分析を統合するマルチエージェント、マルチモーダル推論フレームワークである。
システムは、病理診断に特殊なCXRエージェント、正確な解剖学的構造に視覚所見をマッピングする解剖学的解釈エージェント、および視覚的、解剖学的、臨床データを透明かつ証拠に基づく診断に合成する大規模なマルチモーダル推論モデルを利用した推論エージェントを使用する。
論文 参考訳（メタデータ） (2025-06-17T03:10:33Z) - A Dual-Task Synergy-Driven Generalization Framework for Pancreatic Cancer Segmentation in CT Scans [10.62594407632477]
膵癌は、その顕著な有病率と死亡率によって特徴づけられ、正確な病変の脱線を要求される。
本稿では, ピクセルレベルの分類と回帰処理を相乗化して, 病変を正確に記述する一般化フレームワークを提案する。
膵癌分節タスクの難易度を9.51%改善した。
論文 参考訳（メタデータ） (2025-05-03T00:54:00Z) - 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) - Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。
我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。
次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文 参考訳（メタデータ） (2021-10-25T14:15:57Z) - Segmentation of Anatomical Layers and Artifacts in Intravascular
Polarization Sensitive Optical Coherence Tomography Using Attending Physician
and Boundary Cardinality Lost Terms [4.93836246080317]
血管内超音波と光コヒーレンス断層撮影は冠状動脈を特徴付けるために広く利用可能である。
畳み込みニューラルネットワークモデルを提案し,その性能を多項損失関数を用いて最適化する。
モデルは2つの主要なアーティファクトのクラスをセグメンテーションし,血管壁領域内の解剖学的層を検出する。
論文 参考訳（メタデータ） (2021-05-11T15:52:31Z) - Contralaterally Enhanced Networks for Thoracic Disease Detection [120.60868136876599]
胸骨、肺野、気管支管など、胸部左右に類似した構造が多数存在する。
このような類似性は、広義の放射線学者の経験から、胸部X線における疾患の同定に利用することができる。
本稿では,病状提案の特徴表現を強化するために,対向的コンテキスト情報を活用するディープ・エンド・ツー・エンド・モジュールを提案する。
論文 参考訳（メタデータ） (2020-10-09T10:15:26Z)
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。