Invariant Scattering Transform for Medical Imaging

要約

長年にわたって、不変散乱変換 (IST) 手法は、畳み込みニューラル ネットワーク (CNN) を使用したウェーブレット変換計算を使用して入力信号内のパターンのスケールと方向をキャプチャするなど、医用画像解析で一般的になってきました。
IST は、機械学習に統合できるセグメンテーション、分類、レジストレーションなどの医用画像アプリケーションのパフォーマンスを向上させるために使用される、平行移動、回転、拡大縮小、変形などの医用画像で一般的な変換に対して不変であることを目指しています。
病気の検出、診断、治療計画のためのアルゴリズム。
さらに、IST と深層学習アプローチを組み合わせることで、その強みを活用し、医用画像分析の結果を向上させる可能性があります。
この研究では、IST の種類、その用途、限界、将来の研究者や実務者向けの潜在的な範囲を考慮することにより、医用画像処理における IST の概要を示します。

要約(オリジナル)

Over the years, the Invariant Scattering Transform (IST) technique has become popular for medical image analysis, including using wavelet transform computation using Convolutional Neural Networks (CNN) to capture patterns’ scale and orientation in the input signal. IST aims to be invariant to transformations that are common in medical images, such as translation, rotation, scaling, and deformation, used to improve the performance in medical imaging applications such as segmentation, classification, and registration, which can be integrated into machine learning algorithms for disease detection, diagnosis, and treatment planning. Additionally, combining IST with deep learning approaches has the potential to leverage their strengths and enhance medical image analysis outcomes. This study provides an overview of IST in medical imaging by considering the types of IST, their application, limitations, and potential scopes for future researchers and practitioners.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google