論文の概要: A Computationally Efficient Non-Interpolation Virtual Trellis Approach for Mammogram Gradient-based Patterns Analysis

• arxiv url: http://arxiv.org/abs/2610.34352v1
• Date: Sun, 25 Oct 2026 15:04:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.582767
• Title: A Computationally Efficient Non-Interpolation Virtual Trellis Approach for Mammogram Gradient-based Patterns Analysis
• Title（参考訳）: マンモグラム勾配パターン解析のための計算効率の良い非補間仮想トレリス手法
• Abstract要約: 我々は,同じ正方形画像上のフィルタカーネルをヘキサゴナルトレリスに変換することなく,非補間仮想トレリスベース(NVHT)演算子を提案する。 本手法は, ヘキサゴナルピクセル表現を利用して, 異なる方向の感度を維持しつつ, 保存率を低くすることで, 従来の手法より優れる。
• 参考スコア（独自算出の注目度）: 5.433632116068137
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Feature analysis is a crucial step in medical image analysis, particularly in breast cancer classification. Traditional image analysis methods often struggle with optimal patterns along the diagonal axis, computational efficiency and feature buffer storage. Different classical operators require high-efficiency hardware for the complex operations, such as image convolution and gradient analysis, which are used for processing complex machine learning models for training and test operations. Here, in this research, we introduce a non-interpolation virtual trellis-based (NVHT) operator that utilizes a filter kernel over the same square image without transformation to a hexagonal trellis. This proposed method is very efficient in reducing computational and storage costs. The proposed operator is used for improved feature extraction efficiency and accuracy in disease classification. This method outperforms conventional approaches by leveraging a hexagonal pixel representation while maintaining high sensitivity in different directions with less storage.
• Abstract（参考訳）: 特徴分析は、特に乳癌の分類において、医療画像解析において重要なステップである。 従来の画像解析手法は、対角軸に沿った最適なパターン、計算効率、特徴バッファストレージに悩まされることが多い。 異なる古典演算子は、画像畳み込みや勾配解析のような複雑な演算のために、訓練やテスト操作のために複雑な機械学習モデルを処理するために、高い効率のハードウェアを必要とする。 本稿では,同じ正方形画像上のフィルタカーネルをヘキサゴナルトレリスに変換することなく,非補間仮想トレリス(NVHT)演算子を提案する。 提案手法は,計算コストとストレージコストの削減に非常に有効である。 提案したオペレーターは, 疾患分類における特徴抽出効率と精度の向上に使用される。 本手法は, ヘキサゴナルピクセル表現を利用して, 異なる方向の感度を維持しつつ, 保存率を低くすることで, 従来の手法より優れる。

関連論文リスト

• Multi-Dimensional Visual Data Recovery: Scale-Aware Tensor Modeling and Accelerated Randomized Computation [51.65236537605077]
  我々は,新しいタイプのネットワーク圧縮最適化手法,完全ランダム化テンソルネットワーク圧縮(FCTN)を提案する。 FCTNは多次元データ処理と解析において顕著な業績を残している。 定式化モデルの解法を保証した効率的なアルゴリズムを導出する。
  論文  参考訳（メタデータ） (2026-02-13T14:56:37Z)
• Manifold Learning for Hyperspectral Images [0.0]
  本論文では,一様多様体近似と投影を用いた隣接グラフの構築により,データセットトポロジを近似する手法を提案する。 このアプローチは、データ内の非線形相関を捕捉し、機械学習アルゴリズムの性能を大幅に改善する。
  論文  参考訳（メタデータ） (2025-03-19T09:12:56Z)
• Novel computational workflows for natural and biomedical image processing based on hypercomplex algebras [49.81327385913137]
  ハイパーコンプレックス画像処理は、代数的および幾何学的原理を含む統一パラダイムで従来の手法を拡張している。 このワークル平均は、自然・生体画像解析のための四元数と2次元平面(四元数 - ピクセルを表す - を2次元平面に分割する)を分割する。 提案手法は、画像の自動処理パイプラインの一部として、カラー外観(例えば、代替リフレクションやグレースケール変換)と画像コントラストを規制することができる。
  論文  参考訳（メタデータ） (2025-02-11T18:38:02Z)
• Advancements in Feature Extraction Recognition of Medical Imaging Systems Through Deep Learning Technique [0.36651088217486427]
  高速な画像認識を実現するために,重みに基づく目的関数を提案する。 単純なアルゴリズムを用いたしきい値最適化手法を提案する。 異なる種類のオブジェクトは互いに独立しており、画像処理においてコンパクトであることがわかった。
  論文  参考訳（メタデータ） (2024-05-23T04:46:51Z)
• A kinetic approach to consensus-based segmentation of biomedical images [39.58317527488534]
  バイオメディカルセグメンテーション問題に有界信頼度コンセンサスモデルの運動バージョンを適用した。 システムの長時間の挙動は、代理のフォッカー・プランク法(英語版)の助けを借りて計算される。 2次元グレースケール画像の関連集合に対して導入されたセグメンテーション距離を最小化する。
  論文  参考訳（メタデータ） (2022-11-08T09:54:34Z)
• Learned Block Iterative Shrinkage Thresholding Algorithm for Photothermal Super Resolution Imaging [52.42007686600479]
  深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。 本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
  論文  参考訳（メタデータ） (2020-12-07T09:27:16Z)
• Efficient, high-performance pancreatic segmentation using multi-scale feature extraction [0.0]
  我々は、高度に最適化されたニューラルネットベースの膵管分割アルゴリズムであるMoNetを提案する。 マルチスケール画像特徴量の効率的な利用により,MoNetは高い性能を実現することを示す。
  論文  参考訳（メタデータ） (2020-09-02T07:47:39Z)
• On Box-Cox Transformation for Image Normality and Pattern Classification [0.6548580592686074]
  本稿では,2次元データ変換のための前処理ステップとして,そのようなツールの有用性について論じる。 我々は、この軽量なBox-Cox変換の効果を、最先端の低光画像強調技術と比較した。 また,画像の視覚的外観を汎用的に改善するために,複数のテストベッドデータセットによるアプローチの有効性を実証した。
  論文  参考訳（メタデータ） (2020-04-15T17:10:18Z)

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。