論文の概要: Improving Endoscopic Decision Support Systems by Translating Between
Imaging Modalities
- arxiv url: http://arxiv.org/abs/2004.12604v1
- Date: Mon, 27 Apr 2020 06:55:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 05:02:14.079027
- Title: Improving Endoscopic Decision Support Systems by Translating Between
Imaging Modalities
- Title(参考訳): 画像モード間の翻訳による内視鏡的意思決定支援システムの改善
- Authors: Georg Wimmer, Michael Gadermayr, Andreas V\'ecsei, Andreas Uhl
- Abstract要約: 異なる画像モダリティを示す内視鏡画像への画像-画像変換の適用性について検討した。
コンピュータ支援セリアック病診断において,画像と画像の翻訳がドメイン間の翻訳を効果的に行うことができるかどうかを検討する。
- 参考スコア(独自算出の注目度): 4.760079434948197
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Novel imaging technologies raise many questions concerning the adaptation of
computer-aided decision support systems. Classification models either need to
be adapted or even newly trained from scratch to exploit the full potential of
enhanced techniques. Both options typically require the acquisition of new
labeled training data. In this work we investigate the applicability of
image-to-image translation to endoscopic images showing different imaging
modalities, namely conventional white-light and narrow-band imaging. In a study
on computer-aided celiac disease diagnosis, we explore whether image-to-image
translation is capable of effectively performing the translation between the
domains. We investigate if models can be trained on virtual (or a mixture of
virtual and real) samples to improve overall accuracy in a setting with limited
labeled training data. Finally, we also ask whether a translation of testing
images to another domain is capable of improving accuracy by exploiting the
enhanced imaging characteristics.
- Abstract(参考訳): 新しいイメージング技術は、コンピュータ支援意思決定支援システムの適応に関する多くの疑問を提起する。
改良されたテクニックの可能性を最大限に活用するために、分類モデルはスクラッチから適応するか、あるいは新しく訓練する必要がある。
どちらのオプションも通常、新しいラベル付きトレーニングデータを取得する必要がある。
本研究では,従来の白光画像と狭帯域画像の異なる画像モダリティを示す内視鏡画像への画像-画像変換の適用性について検討する。
コンピュータ支援セリアック病診断の研究において,画像から画像への翻訳がドメイン間の翻訳を効果的に行うことができるか検討する。
モデルが仮想(または仮想と実の混合)サンプルでトレーニング可能かどうかを調べ,ラベル付きトレーニングデータに制限のある設定で全体の精度を向上させる。
最後に,画像の他の領域への変換が,画像特性の強化を生かして精度を向上させることができるかどうかを問う。
関連論文リスト
- Exploring Transfer Learning in Medical Image Segmentation using
Vision-Language Models [0.9324036842528547]
本稿では,VLSMの2次元医用画像への変換学習に関する最初のベンチマーク研究について述べる。
以上の結果から,VLSMは自然画像とテキストのペアで訓練され,ゼロショット設定で医療領域に合理的に移行することが示唆された。
しかし、微調整中の言語プロンプトのさらなる利点は限られているかもしれない。
論文 参考訳(メタデータ) (2023-08-15T11:28:21Z) - Vision-Language Modelling For Radiological Imaging and Reports In The
Low Data Regime [70.04389979779195]
本稿では,視覚および言語入力を共通空間に埋め込んだ医用視覚言語モデル(VLM)について検討する。
本稿では,新しい画像領域やテキスト領域への汎用事前学習モデルの適用など,低データ性能向上のためのいくつかの候補手法について検討する。
テキスト・ツー・イメージ検索をベンチマークとして,2つの胸部X線および放射線学的報告を用いた可変サイズのトレーニングデータセットを用いて,これらの手法の性能評価を行った。
論文 参考訳(メタデータ) (2023-03-30T18:20:00Z) - Bridging Synthetic and Real Images: a Transferable and Multiple
Consistency aided Fundus Image Enhancement Framework [61.74188977009786]
画像強調とドメイン適応を同時に行うために,エンドツーエンドの教師支援フレームワークを提案する。
また,教師ネットワークと学生ネットワークのバックボーンとして,マルチステージ型マルチアテンション・ガイド・エンハンスメント・ネットワーク(MAGE-Net)を提案する。
論文 参考訳(メタデータ) (2023-02-23T06:16:15Z) - RoentGen: Vision-Language Foundation Model for Chest X-ray Generation [7.618389245539657]
我々は,胸部X線のコーパスに事前学習した潜伏拡散モデルを適用することで,大きな自然医学的分布変化を克服する戦略を開発する。
テキストプロンプトに条件付された高忠実で多様な合成CXRを生成するモデルの能力について検討する。
得られたモデル(RoentGen)が視覚的に説得力があり多様な合成CXR画像を生成することができることを示す。
論文 参考訳(メタデータ) (2022-11-23T06:58:09Z) - Hospital-Agnostic Image Representation Learning in Digital Pathology [0.7412445894287709]
デジタル病理学における全スライド画像(WSI)は、がんの亜型を診断するために用いられる。
各種試験場でのWSI取得手順の違いは,病理組織像の変動を引き起こす。
本研究では,DNN(Deep Neural Network)の一般化能力向上のために,ドメイン一般化手法を活用する。
論文 参考訳(メタデータ) (2022-04-05T11:45:46Z) - Continual Active Learning Using Pseudo-Domains for Limited Labelling
Resources and Changing Acquisition Characteristics [2.6105699925188257]
臨床ルーチン中の医療画像における機械学習は、スキャナープロトコル、ハードウェア、ポリシーの変更によって損なわれる。
マルチスキャナ環境下で,医療画像のストリーム上で動作する連続的な能動学習手法を提案する。
論文 参考訳(メタデータ) (2021-11-25T13:11:49Z) - Colorectal Polyp Classification from White-light Colonoscopy Images via
Domain Alignment [57.419727894848485]
大腸内視鏡画像からの正確な診断を支援するためには,コンピュータ支援診断システムが必要である。
これまでのほとんどの研究では、Narrow-Band Imaging (NBI) や他の拡張画像を用いて、ポリプの分化モデルの開発を試みている。
正確な大腸ポリープ分類のための教師/学生アーキテクチャに基づく新しい枠組みを提案する。
論文 参考訳(メタデータ) (2021-08-05T09:31:46Z) - Self-Supervised Domain Adaptation for Diabetic Retinopathy Grading using
Vessel Image Reconstruction [61.58601145792065]
我々は網膜血管画像再構成に基づく新しい自己教師型タスクを定義することで、不変なターゲットドメインの特徴を学習する。
私たちのアプローチは既存のドメイン戦略よりも優れています。
論文 参考訳(メタデータ) (2021-07-20T09:44:07Z) - Continual Active Learning for Efficient Adaptation of Machine Learning
Models to Changing Image Acquisition [3.205205037629335]
医用画像のデータストリームを用いた連続的能動学習手法を提案する。
新たな画像ソース(ドメイン)のシフトや追加を認識し、トレーニングを順応する。
提案手法は,手動ラベリングを少なくしながら,能動的学習に優れることを示した。
論文 参考訳(メタデータ) (2021-06-07T05:39:06Z) - Semantic segmentation of multispectral photoacoustic images using deep
learning [53.65837038435433]
光音響イメージングは医療に革命をもたらす可能性がある。
この技術の臨床的翻訳には、高次元取得したデータを臨床的に関連性があり解釈可能な情報に変換する必要がある。
本稿では,多スペクトル光音響画像のセマンティックセグメンテーションに対する深層学習に基づくアプローチを提案する。
論文 参考訳(メタデータ) (2021-05-20T09:33:55Z) - Generative Adversarial U-Net for Domain-free Medical Image Augmentation [49.72048151146307]
注釈付き医用画像の不足は、医用画像コンピューティングの分野における最大の課題の1つだ。
本稿では,生成逆U-Netという新しい生成手法を提案する。
当社の新しいモデルは、ドメインフリーで、さまざまな医療画像に汎用性があります。
論文 参考訳(メタデータ) (2021-01-12T23:02:26Z)
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。