Introducing A Novel Method For Adaptive Thresholding In Brain Tumor Medical Image Segmentation

要約

深層学習と医療画像セグメンテーションの分野における最も重要な課題の 1 つは、各ピクセルを分類するための適切なしきい値を決定することです。
このしきい値は、この値を超えるとモデルの出力が特定のクラスに属するとみなされる値です。
個人的な経験に基づいた手動のしきい値処理は、特に医療画像などの複雑な問題の場合、エラーが発生しやすく、時間がかかります。
従来のしきい値処理方法は、このような問題のしきい値を決定するのには効果的ではありません。
この課題に取り組むために、深層学習を使用した自動しきい値処理方法が提案されています。
ただし、これらの方法の主な問題は、入力データの変化を考慮せずに静的にしきい値を決定することが多いことです。
入力データは動的であり、時間の経過とともに変化する可能性があるため、しきい値の決定は適応的に行われ、入力データと環境条件を考慮する必要があります。

要約(オリジナル)

One of the most significant challenges in the field of deep learning and medical image segmentation is to determine an appropriate threshold for classifying each pixel. This threshold is a value above which the model’s output is considered to belong to a specific class. Manual thresholding based on personal experience is error-prone and time-consuming, particularly for complex problems such as medical images. Traditional methods for thresholding are not effective for determining the threshold value for such problems. To tackle this challenge, automatic thresholding methods using deep learning have been proposed. However, the main issue with these methods is that they often determine the threshold value statically without considering changes in input data. Since input data can be dynamic and may change over time, threshold determination should be adaptive and consider input data and environmental conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google