論文の概要: Weak Supervision in Convolutional Neural Network for Semantic
Segmentation of Diffuse Lung Diseases Using Partially Annotated Dataset
- arxiv url: http://arxiv.org/abs/2002.11936v2
- Date: Thu, 26 Mar 2020 11:04:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-28 08:05:26.936556
- Title: Weak Supervision in Convolutional Neural Network for Semantic
Segmentation of Diffuse Lung Diseases Using Partially Annotated Dataset
- Title(参考訳): 部分注釈データを用いたびまん性肺疾患のセグメンテーションのための畳み込みニューラルネットワークの弱い監督
- Authors: Yuki Suzuki, Kazuki Yamagata, Yanagawa Masahiro, Shoji Kido, Noriyuki
Tomiyama
- Abstract要約: 5種類の肺疾患に対するセマンティックセグメンテーションモデルを構築した。
この研究で考慮されたDLDは、凝縮、ガラス不透明度、ハニカム、気腫、正常である。
部分的に注釈付けされたデータセットを効果的に活用する新しい弱い監視手法を提案する。
- 参考スコア(独自算出の注目度): 2.239917051803692
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computer-aided diagnosis system for diffuse lung diseases (DLDs) is necessary
for the objective assessment of the lung diseases. In this paper, we develop
semantic segmentation model for 5 kinds of DLDs. DLDs considered in this work
are consolidation, ground glass opacity, honeycombing, emphysema, and normal.
Convolutional neural network (CNN) is one of the most promising technique for
semantic segmentation among machine learning algorithms. While creating
annotated dataset for semantic segmentation is laborious and time consuming,
creating partially annotated dataset, in which only one chosen class is
annotated for each image, is easier since annotators only need to focus on one
class at a time during the annotation task. In this paper, we propose a new
weak supervision technique that effectively utilizes partially annotated
dataset. The experiments using partially annotated dataset composed 372 CT
images demonstrated that our proposed technique significantly improved
segmentation accuracy.
- Abstract(参考訳): 肺疾患の客観的評価には拡散性肺疾患(DLD)のコンピュータ支援診断システムが必要である。
本稿では,5種類のdldに対する意味セグメンテーションモデルを開発した。
この研究で考慮されたDLDは、凝縮、ガラス不透明度、ハニカム、気腫、正常である。
畳み込みニューラルネットワーク(CNN)は、機械学習アルゴリズムにおけるセマンティックセグメンテーションの最も有望なテクニックの1つである。
意味セグメンテーションのための注釈付きデータセットの作成は手間がかかり、時間もかかるが、アノテーションタスク中にアノテータが一度に1つのクラスに集中する必要があるため、選択されたクラスのみを各イメージにアノテートする部分的なアノテーション付きデータセットの作成は容易である。
本稿では,部分注釈付きデータセットを効果的に活用する,新しい弱い監視手法を提案する。
372ct画像からなる部分注釈データセットを用いた実験により,提案手法がセグメント化精度を大幅に向上した。
関連論文リスト
- GenSelfDiff-HIS: Generative Self-Supervision Using Diffusion for Histopathological Image Segmentation [5.049466204159458]
自己教師付き学習(SSL)は、注釈のないデータのみを利用するモデルを構築することで、いくつかの欠点を提供する代替パラダイムである。
本稿では,生成拡散モデルを用いて病理像をセグメント化するためのSSLアプローチを提案する。
本手法は,拡散モデルがセグメント化タスクに似た画像から画像への変換タスクを効果的に解くことに基づく。
論文 参考訳(メタデータ) (2023-09-04T09:49:24Z) - ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic
Diffusion Models [69.9178140563928]
大腸内視鏡検査は臨床診断や治療に不可欠である。
注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。
本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
論文 参考訳(メタデータ) (2023-09-03T07:55:46Z) - DIAS: A Dataset and Benchmark for Intracranial Artery Segmentation in DSA sequences [19.61593883367223]
血管形態の定量化にはDSA(Digital Subtraction Angiography)の頭蓋内動脈(IA)が重要である。
現在の研究は、主にプロプライエタリデータセットを使用した単一フレームDSAのセグメンテーションに焦点を当てている。
DSAシークエンスにおけるIAセグメンテーションのためのデータセットであるDIASを紹介する。
論文 参考訳(メタデータ) (2023-06-21T10:03:56Z) - Learnable Weight Initialization for Volumetric Medical Image Segmentation [66.3030435676252]
本稿では,学習可能な重みに基づくハイブリッド医療画像セグメンテーション手法を提案する。
我々のアプローチはどんなハイブリッドモデルにも簡単に統合でき、外部のトレーニングデータを必要としない。
多臓器・肺がんセグメンテーションタスクの実験は、我々のアプローチの有効性を実証している。
論文 参考訳(メタデータ) (2023-06-15T17:55:05Z) - PCA: Semi-supervised Segmentation with Patch Confidence Adversarial
Training [52.895952593202054]
医用画像セグメンテーションのためのPatch Confidence Adrial Training (PCA) と呼ばれる半教師付き対向法を提案する。
PCAは各パッチの画素構造とコンテキスト情報を学習し、十分な勾配フィードバックを得る。
本手法は, 医用画像のセグメンテーションにおいて, 最先端の半教師付き手法より優れており, その有効性を示している。
論文 参考訳(メタデータ) (2022-07-24T07:45:47Z) - Temporally Constrained Neural Networks (TCNN): A framework for
semi-supervised video semantic segmentation [5.0754434714665715]
本稿では,手術ビデオのセマンティックセグメンテーションに使用される半教師付きフレームワークTCNNを紹介する。
本研究では,オートエンコーダネットワークを用いて,空間的および時間的監視信号の両方を効率的に提供できることを示す。
予測マスクの低次元表現を有効活用して,スパースラベル付き両方のデータセットに一貫した改善を実現することを実証した。
論文 参考訳(メタデータ) (2021-12-27T18:06:12Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳(メタデータ) (2020-12-10T04:01:07Z) - Towards Robust Partially Supervised Multi-Structure Medical Image
Segmentation on Small-Scale Data [123.03252888189546]
データ不足下における部分教師付き学習(PSL)における方法論的ギャップを埋めるために,不確実性下でのビシナルラベル(VLUU)を提案する。
マルチタスク学習とヴィジナルリスク最小化によって動機づけられたVLUUは、ビジナルラベルを生成することによって、部分的に教師付き問題を完全な教師付き問題に変換する。
本研究は,ラベル効率の高い深層学習における新たな研究の方向性を示唆するものである。
論文 参考訳(メタデータ) (2020-11-28T16:31:00Z) - Weakly Supervised Deep Nuclei Segmentation Using Partial Points
Annotation in Histopathology Images [51.893494939675314]
本稿では,部分点アノテーションに基づく弱教師付きセグメンテーションフレームワークを提案する。
本手法は, 完全教師付き手法や最先端手法と比較して, 競争性能を向上できることを示す。
論文 参考訳(メタデータ) (2020-07-10T15:41:29Z) - A generic ensemble based deep convolutional neural network for
semi-supervised medical image segmentation [7.141405427125369]
深層畳み込みニューラルネットワーク(DCNN)に基づく画像セグメンテーションのための汎用的な半教師付き学習フレームワークを提案する。
本手法は,ラベルなしデータを組み込むことで,完全教師付きモデル学習を超えて大幅に改善することができる。
論文 参考訳(メタデータ) (2020-04-16T23:41:50Z)
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。