論文の概要: Relational Learning between Multiple Pulmonary Nodules via Deep Set Attention Transformers

• arxiv url: http://arxiv.org/abs/2004.05640v1
• Date: Sun, 12 Apr 2020 16:05:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-14 05:11:49.402290
• Title: Relational Learning between Multiple Pulmonary Nodules via Deep Set Attention Transformers
• Title（参考訳）: 深部集合注意トランスフォーマによる多発肺結節間の関係学習
• Authors: Jiancheng Yang, Haoran Deng, Xiaoyang Huang, Bingbing Ni, Yi Xu
• Abstract要約: 複数名詞間の関係を学習するためのマルチインスタンス学習(MIL)手法を提案する。 我々の知る限り、多発性肺結節の関係を学習する最初の研究である。
• 参考スコア（独自算出の注目度）: 46.712009752779196
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diagnosis and treatment of multiple pulmonary nodules are clinically important but challenging. Prior studies on nodule characterization use solitary-nodule approaches on multiple nodular patients, which ignores the relations between nodules. In this study, we propose a multiple instance learning (MIL) approach and empirically prove the benefit to learn the relations between multiple nodules. By treating the multiple nodules from a same patient as a whole, critical relational information between solitary-nodule voxels is extracted. To our knowledge, it is the first study to learn the relations between multiple pulmonary nodules. Inspired by recent advances in natural language processing (NLP) domain, we introduce a self-attention transformer equipped with 3D CNN, named {NoduleSAT}, to replace typical pooling-based aggregation in multiple instance learning. Extensive experiments on lung nodule false positive reduction on LUNA16 database, and malignancy classification on LIDC-IDRI database, validate the effectiveness of the proposed method.
• Abstract（参考訳）: 多発性肺結節の診断と治療は臨床的に重要であるが困難である。 結節特性に関する先行研究では,結節間の関係を無視する孤立結節アプローチを複数の結節患者に用いた。 本研究では,mil(multiple instance learning)アプローチを提案し,複数の結節間の関係を学習する利点を実証的に証明する。 同一患者から複数の結節を治療することにより、孤立性結節ボクセル間の臨界関係情報を抽出する。 我々の知る限り、多発性肺結節の関係を学習する最初の研究である。 自然言語処理(NLP)領域の最近の進歩に触発されて,複数のインスタンス学習における典型的なプールベースアグリゲーションを置き換える3D CNNを備えた自己注意変換器を導入した。 LIDC-IDRIデータベースにおける肺結節偽陽性率低下と悪性度分類の広範な実験により,提案法の有効性が検証された。

関連論文リスト

• Domain Adaptive Lung Nodule Detection in X-ray Image [3.660022474436894]
  本稿では,教師の自己学習と対照的学習を活用した肺結節検出のための新しい領域適応手法を提案する。 まず、結節表現を洗練させ、結節と背景の区別を強化する階層的コントラスト学習戦略を提案する。 第2に,NDL(nodule-level domain-invariant feature learning)モジュールを導入した。
  論文  参考訳（メタデータ） (2024-07-28T04:46:55Z)
• MUSCLE: Multi-task Self-supervised Continual Learning to Pre-train Deep Models for X-ray Images of Multiple Body Parts [63.30352394004674]
  MUSCLE(Multi-task Self-super-vised Continual Learning)は、医用画像処理タスクのための、新しい自己教師付き事前学習パイプラインである。 MUSCLEは、複数の身体部分から収集したX線を集約して表現学習を行い、よく設計された連続学習手順を採用する。 肺炎分類,骨格異常分類,肺セグメンテーション,結核(TB)検出など,9つの実世界のX線データセットを用いてMUSCLEを評価する。
  論文  参考訳（メタデータ） (2023-10-03T12:19:19Z)
• Leveraging Unlabelled Data in Multiple-Instance Learning Problems for Improved Detection of Parkinsonian Tremor in Free-Living Conditions [80.88681952022479]
  本稿では,半教師付き学習とマルチスタンス学習を組み合わせた新しい手法を提案する。 本研究は,454被験者の非競合データを活用することにより,物体ごとの震動検出において大きな性能向上が達成できることを示す。
  論文  参考訳（メタデータ） (2023-04-29T12:25:10Z)
• RadioPathomics: Multimodal Learning in Non-Small Cell Lung Cancer for Adaptive Radiotherapy [1.8161758803237067]
  非小細胞肺癌に対する放射線治療成績を予測するため, マルチモーダルレイトフュージョン法を開発した。 実験により、AUCが90.9%ドルと同等のマルチモーダルパラダイムが、各ユニモーダルアプローチより優れていることが示された。
  論文  参考訳（メタデータ） (2022-04-26T16:32:52Z)
• MMLN: Leveraging Domain Knowledge for Multimodal Diagnosis [10.133715767542386]
  肺疾患診断のための知識駆動型およびデータ駆動型フレームワークを提案する。 本研究は, 臨床医学ガイドラインに従って診断規則を定式化し, テキストデータから規則の重みを学習する。 テキストと画像データからなるマルチモーダル融合は、肺疾患の限界確率を推定するために設計されている。
  論文  参考訳（メタデータ） (2022-02-09T04:12:30Z)
• Relational Subsets Knowledge Distillation for Long-tailed Retinal Diseases Recognition [65.77962788209103]
  本研究では,長尾データを知識に基づいて複数のクラスサブセットに分割し,クラスサブセット学習を提案する。 モデルがサブセット固有の知識の学習に集中するように強制する。 提案手法は長期網膜疾患認識タスクに有効であることが判明した。
  論文  参考訳（メタデータ） (2021-04-22T13:39:33Z)
• ProCAN: Progressive Growing Channel Attentive Non-Local Network for Lung Nodule Classification [0.0]
  CT検診における肺癌の分類は,早期発見の最も重要な課題の一つである。 近年、肺結節を悪性または良性に分類する深層学習モデルが提案されている。 肺結節分類のためのProCAN(Progressive Growing Channel Attentive Non-Local)ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-10-29T08:42:11Z)
• MultiMix: Sparingly Supervised, Extreme Multitask Learning From Medical Images [13.690075845927606]
  本稿では,病気の分類と解剖学的分類を軽視的に学習する新しいマルチタスク学習モデルであるMultiMixを提案する。 胸部X線画像からの肺炎の分類と肺の分画に対するマルチタスキングモデルの有効性について検討した。
  論文  参考訳（メタデータ） (2020-10-28T03:47:29Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)
• Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
  被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。 グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。 まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
  論文  参考訳（メタデータ） (2020-06-11T17:29:53Z)

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。