論文の概要: Synergic Adversarial Label Learning for Grading Retinal Diseases via
Knowledge Distillation and Multi-task Learning
- arxiv url: http://arxiv.org/abs/2003.10607v4
- Date: Sat, 30 Jan 2021 13:55:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-20 09:09:00.673450
- Title: Synergic Adversarial Label Learning for Grading Retinal Diseases via
Knowledge Distillation and Multi-task Learning
- Title（参考訳）: 知識蒸留とマルチタスク学習による網膜疾患評価のためのシナジー・アドバーサリアンラベル学習
- Authors: Lie Ju, Xin Wang, Xin Zhao, Huimin Lu, Dwarikanath Mahapatra, Paul
Bonnington, Zongyuan Ge
- Abstract要約: 良質な医師のアノテート画像は非常に高価であり、様々な網膜疾患に対して限られた量のデータしか利用できない。
一部の研究では、AMDとDRは出血点や吐出などの一般的な特徴を共有しているが、ほとんどの分類アルゴリズムはこれらの疾患モデルを個別に訓練するだけである。
本稿では,関連網膜疾患ラベルを意味的および特徴空間の両方で付加的な信号として活用し,協調的にモデルを訓練するSALL法を提案する。
- 参考スコア（独自算出の注目度）: 29.46896757506273
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The need for comprehensive and automated screening methods for retinal image
classification has long been recognized. Well-qualified doctors annotated
images are very expensive and only a limited amount of data is available for
various retinal diseases such as age-related macular degeneration (AMD) and
diabetic retinopathy (DR). Some studies show that AMD and DR share some common
features like hemorrhagic points and exudation but most classification
algorithms only train those disease models independently. Inspired by knowledge
distillation where additional monitoring signals from various sources is
beneficial to train a robust model with much fewer data. We propose a method
called synergic adversarial label learning (SALL) which leverages relevant
retinal disease labels in both semantic and feature space as additional signals
and train the model in a collaborative manner. Our experiments on DR and AMD
fundus image classification task demonstrate that the proposed method can
significantly improve the accuracy of the model for grading diseases. In
addition, we conduct additional experiments to show the effectiveness of SALL
from the aspects of reliability and interpretability in the context of medical
imaging application.
- Abstract（参考訳）: 網膜画像分類のための包括的かつ自動化されたスクリーニング法の必要性は長い間認識されてきた。
医師のアノテート画像は非常に高価であり、加齢に伴う黄斑変性 (AMD) や糖尿病網膜症 (DR) などの網膜疾患に対して限られたデータしか利用できない。
一部の研究では、AMDとDRは出血点や脱出などの一般的な特徴を共有しているが、ほとんどの分類アルゴリズムはこれらの疾患モデルを個別に訓練するだけである。
知識蒸留にインスパイアされた様々な源からのモニタリング信号が、より少ないデータで堅牢なモデルを訓練するのに有用である。
本稿では,関連網膜疾患ラベルを意味的および特徴空間の両方で付加的な信号として活用し,協調的にモデルを訓練するSALL法を提案する。
DRおよびAMDファウンダス画像分類タスクに関する実験により,本手法が疾患評価モデルの精度を大幅に向上することを示した。
さらに,医療画像応用における信頼性と解釈可能性の観点から,salの有効性を示すための追加実験を行った。
関連論文リスト
- Improving Classification of Retinal Fundus Image Using Flow Dynamics
Optimized Deep Learning Methods [0.0]
糖尿病網膜症(英: Diabetic Retinopathy, DR)は、糖尿病において網膜に存在する血管網を損傷する障害である。
経験豊富な臨床医は、疾患の特定に使用される画像中の腫瘍を識別する必要があるため、カラー・ファンドス画像を用いてDR診断を行うのにしばらく時間がかかる可能性がある。
論文 参考訳（メタデータ） (2023-04-29T16:11:34Z) - SSD-KD: A Self-supervised Diverse Knowledge Distillation Method for
Lightweight Skin Lesion Classification Using Dermoscopic Images [62.60956024215873]
皮膚がんは最も一般的な悪性腫瘍の1つであり、人口に影響を与え、世界中で経済的な重荷を負っている。
皮膚がん検出のほとんどの研究は、ポータブルデバイス上での計算資源の制限を考慮せずに、高い予測精度を追求している。
本研究は,皮膚疾患分類のための汎用的なKDフレームワークに多様な知識を統一する,SSD-KDと呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2022-03-22T06:54:29Z) - Lesion-based Contrastive Learning for Diabetic Retinopathy Grading from
Fundus Images [2.498907460918493]
糖尿病網膜症自動評価のための自己教師型フレームワーク,すなわち病変に基づくコントラスト学習を提案する。
提案フレームワークは,リニア評価と転送容量評価の両方の観点から,DRグレーディングを際立たせる。
論文 参考訳（メタデータ） (2021-07-17T16:30:30Z) - Explainable Diabetic Retinopathy Detection and Retinal Image Generation [16.140110713539023]
本稿では,医学診断における深層学習応用の解釈可能性を活用することを提案する。
糖尿病性網膜症検知器が決定に依存するニューロン活性化パターンを決定・分離することにより,病理的説明のために単離されたニューロン活性化と病変の直接的関係を示す。
ディスクリプタで符号化された症状を可視化するために,医学的に可視な網膜像を合成する新しいネットワークPatho-GANを提案する。
論文 参考訳（メタデータ） (2021-07-01T08:30:04Z) - About Explicit Variance Minimization: Training Neural Networks for
Medical Imaging With Limited Data Annotations [2.3204178451683264]
VAT(Variance Aware Training)法は、モデル損失関数に分散誤差を導入することにより、この特性を利用する。
多様な領域から得られた3つの医用画像データセットと様々な学習目標に対するVATの有効性を検証した。
論文 参考訳（メタデータ） (2021-05-28T21:34:04Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳（メタデータ） (2021-03-19T14:13:56Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading,
and Transferability [76.64661091980531]
糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある
コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。
このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
論文 参考訳（メタデータ） (2020-08-22T07:48:04Z) - Self-supervised Feature Learning via Exploiting Multi-modal Data for
Retinal Disease Diagnosis [28.428216831922228]
本稿では,網膜疾患診断のためのマルチモーダルデータを効果的に活用して,新しい自己教師型特徴学習法を提案する。
本研究の目的は,モダリティ不変特徴と患者類似特徴の両方を学習することである。
本手法を網膜疾患診断のための2つの公開ベンチマークデータセットで評価した。
論文 参考訳（メタデータ） (2020-07-21T19:49:45Z) - Semi-supervised Medical Image Classification with Relation-driven
Self-ensembling Model [71.80319052891817]
医用画像分類のための関係駆動型半教師付きフレームワークを提案する。
これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。
本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
論文 参考訳（メタデータ） (2020-05-15T06:57:54Z) - Dynamic Graph Correlation Learning for Disease Diagnosis with Incomplete
Labels [66.57101219176275]
胸部X線画像上の疾患診断は,多ラベル分類の課題である。
本稿では,異なる疾患間の相互依存を調査する新たな視点を提示する病的診断グラフ畳み込みネットワーク(DD-GCN)を提案する。
本手法は,相関学習のための動的隣接行列を用いた特徴写像上のグラフを初めて構築する手法である。
論文 参考訳（メタデータ） (2020-02-26T17:10:48Z)
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。