AFSC:異常検出のための適応Fourier空間圧縮【JST・京大機械翻訳】

Xu Haote; Zhang Yunlong; Sun Liyan; Li Chenxin; Huang Yue; Ding Xinghao

プレプリント

J-GLOBAL ID：202202213110305530 整理番号：22P0333251

AFSC:異常検出のための適応Fourier空間圧縮【JST・京大機械翻訳】

AFSC: Adaptive Fourier Space Compression for Anomaly Detection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年04月17日プレプリントサーバーでの情報更新日： 2022年04月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

医用画像上の異常検出(AD)は,病変特異的教師つき学習なしに任意のタイプの異常パターンを認識するためのモデルを可能にする。データ増強に基づく方法は,実際の健康なものに「パッティング」偽病変によって擬似健康画像を構築し,ネットワークを訓練して,教師つき方法で健康な画像を予測した。病変は,不健康な入力と擬似健康出力の差によって見つけることができる。しかしながら,手動で設計された偽病変だけの使用は,不規則な実際の病変に近似できないので,モデル一般化を制限する。画像内の固有データ特性を探索することにより,非健康画像における健康領域から以前に見えない病変を識別することができる。本研究では,ADに対する健康特徴を蒸留するための適応Fourier空間圧縮(AFSC)モジュールを提案した。周波数領域における大きさと相の圧縮は,病変の超強度と多様な位置を扱う。BraTSとMS-SEGデータセットに関する実験結果は,AFSCベースラインが有望な検出結果を生み出すことができ,AFSCモジュールが既存のAD方法に効果的に埋め込むことができることを示した。【JST・京大機械翻訳】

, , , , , , ,
, 【Automatic Indexing@JST】

医用画像処理

前のページに戻る