論文の概要: Domain-specific loss design for unsupervised physical training: A new approach to modeling medical ML solutions

• arxiv url: http://arxiv.org/abs/2005.04454v1
• Date: Sat, 9 May 2020 14:39:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 06:53:56.296719
• Title: Domain-specific loss design for unsupervised physical training: A new approach to modeling medical ML solutions
• Title（参考訳）: 教師なし物理トレーニングのためのドメイン固有損失設計:医療mlソリューションのモデリングへの新しいアプローチ
• Authors: Hendrik Burwinkel, Holger Matz, Stefan Saur, Christoph Hauger, Ayse Mine Evren, Nino Hirnschall, Oliver Findl, Nassir Navab, Seyed-Ahmad Ahmadi
• Abstract要約: 本稿では,光屈折ネットワーク,損失関数,トレーニングスキームである OpticNet を提案する。 単一光線トレーシングを用いた高精度な光伝搬眼モデルを構築した。 我々のネットワークは標準手順で訓練されたシステムよりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 31.71252686825754
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Today, cataract surgery is the most frequently performed ophthalmic surgery in the world. The cataract, a developing opacity of the human eye lens, constitutes the world's most frequent cause for blindness. During surgery, the lens is removed and replaced by an artificial intraocular lens (IOL). To prevent patients from needing strong visual aids after surgery, a precise prediction of the optical properties of the inserted IOL is crucial. There has been lots of activity towards developing methods to predict these properties from biometric eye data obtained by OCT devices, recently also by employing machine learning. They consider either only biometric data or physical models, but rarely both, and often neglect the IOL geometry. In this work, we propose OpticNet, a novel optical refraction network, loss function, and training scheme which is unsupervised, domain-specific, and physically motivated. We derive a precise light propagation eye model using single-ray raytracing and formulate a differentiable loss function that back-propagates physical gradients into the network. Further, we propose a new transfer learning procedure, which allows unsupervised training on the physical model and fine-tuning of the network on a cohort of real IOL patient cases. We show that our network is not only superior to systems trained with standard procedures but also that our method outperforms the current state of the art in IOL calculation when compared on two biometric data sets.
• Abstract（参考訳）: 今日、白内障手術は世界でもっとも頻繁に行われる眼科手術である。 この白内障は、人間の眼球レンズの不透明性が発達し、世界の盲目の最も頻繁な原因となっている。 手術中、レンズは除去され、人工眼内レンズ(iol)に置き換えられる。 手術後に強い視覚補助を必要としないよう、挿入されたIOLの光学特性の正確な予測が不可欠である。 OCT装置が取得した生体眼データからこれらの特性を予測する手法の開発には,最近は機械学習も活用している。 彼らはバイオメトリックデータまたは物理モデルのみを考えるが、どちらもまれであり、しばしばiol幾何学を無視する。 本研究では,新しい光屈折ネットワーク,損失関数,および教師なし,ドメイン固有,物理的動機付けのあるトレーニングスキームである opticnet を提案する。 単線レイトレーシングを用いた正確な光伝播眼モデルを求め,ネットワークに物理的勾配をバックプロパゲーションする微分損失関数を定式化する。 さらに,本論文では,実際のIOL患者のコホート上で,物理モデルの教師なしトレーニングとネットワークの微調整を可能にする新たなトランスファー学習手法を提案する。 我々のネットワークは,標準手順で訓練されたシステムよりも優れているだけでなく,2つのバイオメトリックデータセットと比較した場合,IOL計算における現在の手法よりも優れていることを示す。

関連論文リスト

• Eye Disease Prediction using Ensemble Learning and Attention on OCT Scans [2.5122414857278472]
  我々は、効率的な眼疾患予測に機械学習とディープラーニング技術を利用するエンド・ツー・エンドのウェブアプリケーションを紹介した。 このアプリケーションにより、患者は、トレーニングされたカスタムUNetモデルを使用してセグメンテーションを行う、生のOCTスキャン画像を送ることができる。 アンサンブルモデルの出力は、様々な眼疾患を予測し分類するために集約される。
  論文  参考訳（メタデータ） (2023-11-26T13:55:24Z)
• Disruptive Autoencoders: Leveraging Low-level features for 3D Medical Image Pre-training [51.16994853817024]
  本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。 ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。 提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-07-31T17:59:42Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)
• Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
  一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。 医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。 外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
  論文  参考訳（メタデータ） (2022-07-01T14:17:11Z)
• A Temporal Learning Approach to Inpainting Endoscopic Specularities and Its effect on Image Correspondence [13.25903945009516]
  本稿では,時間的生成的対位ネットワーク(GAN)を用いて,隠蔽解剖学を特異性の下で描くことを提案する。 これは、胃内視鏡(Hyper-Kvasir)の生検データを用いて、完全に教師なしの方法で達成される。 また,3次元再構成とカメラモーション推定の基盤となるコンピュータビジョンタスクにおける本手法の有効性を評価する。
  論文  参考訳（メタデータ） (2022-03-31T13:14:00Z)
• Self-Supervised Learning from Unlabeled Fundus Photographs Improves Segmentation of the Retina [4.815051667870375]
  基礎撮影は網膜イメージングの第一の方法であり、糖尿病網膜症予防に必須である。 現在のセグメンテーション法は、実際の臨床応用に典型的な画像条件や病理の多様性に対して堅牢ではない。 コントラスト型自己教師型学習を用いて,EyePACSデータセットの多種多様な未ラベル画像を利用する。
  論文  参考訳（メタデータ） (2021-08-05T18:02:56Z)
• On the Robustness of Pretraining and Self-Supervision for a Deep Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
  糖尿病網膜症における訓練方法の違いによる影響を比較検討した。 本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。 以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2021-06-25T08:32:45Z)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)
• Segmentation of Retinal Low-Cost Optical Coherence Tomography Images using Deep Learning [2.571523045125397]
  治療の必要性は、病原性OCTベースのバイオマーカーの存在または変化によって決定される。 現在の治療スキームのモニタリング頻度は、個別に患者に適応していないため、しばしば不十分である。 ホームモニタリングOCTシステムの重要な要件の1つは、病理学的変化を自動的に検出し定量化するコンピュータ支援診断である。
  論文  参考訳（メタデータ） (2020-01-23T12:55:53Z)

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。