論文の概要: A Macro-Micro Weakly-supervised Framework for AS-OCT Tissue Segmentation
- arxiv url: http://arxiv.org/abs/2007.10007v1
- Date: Mon, 20 Jul 2020 11:26:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-08 13:58:58.774811
- Title: A Macro-Micro Weakly-supervised Framework for AS-OCT Tissue Segmentation
- Title（参考訳）: AS-OCT組織セグメンテーションのためのマクロマイクロ弱制御フレームワーク
- Authors: Munan Ning, Cheng Bian, Donghuan Lu, Hong-Yu Zhou, Shuang Yu,
Chenglang Yuan, Yang Guo, Yaohua Wang, Kai Ma, Yefeng Zheng
- Abstract要約: アジア人では, 一次角閉鎖緑内障(PACG)が非可逆性失明の原因となっている。
提案するフレームワークは,相互に信頼性の高いガイダンスを提供する2つのモデルで構成されている。
公開されているAGEデータセットの実験では、提案されたフレームワークが最先端の半弱教師付き手法より優れていることが示されている。
- 参考スコア（独自算出の注目度）: 33.684182783291064
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Primary angle closure glaucoma (PACG) is the leading cause of irreversible
blindness among Asian people. Early detection of PACG is essential, so as to
provide timely treatment and minimize the vision loss. In the clinical
practice, PACG is diagnosed by analyzing the angle between the cornea and iris
with anterior segment optical coherence tomography (AS-OCT). The rapid
development of deep learning technologies provides the feasibility of building
a computer-aided system for the fast and accurate segmentation of cornea and
iris tissues. However, the application of deep learning methods in the medical
imaging field is still restricted by the lack of enough fully-annotated
samples. In this paper, we propose a novel framework to segment the target
tissues accurately for the AS-OCT images, by using the combination of
weakly-annotated images (majority) and fully-annotated images (minority). The
proposed framework consists of two models which provide reliable guidance for
each other. In addition, uncertainty guided strategies are adopted to increase
the accuracy and stability of the guidance. Detailed experiments on the
publicly available AGE dataset demonstrate that the proposed framework
outperforms the state-of-the-art semi-/weakly-supervised methods and has a
comparable performance as the fully-supervised method. Therefore, the proposed
method is demonstrated to be effective in exploiting information contained in
the weakly-annotated images and has the capability to substantively relieve the
annotation workload.
- Abstract（参考訳）: アジア人では, 一次角閉鎖緑内障(PACG)が不可逆性失明の原因となっている。
PACGの早期検出は、タイムリーな治療を提供し、視力喪失を最小限に抑えるために不可欠である。
臨床では, PACGは, 角膜と虹彩の角度を, 視床前部光コヒーレンス断層撮影(AS-OCT)で解析することにより診断される。
ディープラーニング技術の急速な発展は、角膜と虹彩組織の迅速かつ正確なセグメンテーションのためのコンピュータ支援システムの構築を可能にする。
しかし, 医用画像領域における深層学習法の適用は, 十分な完全注釈標本の欠如によって制限されている。
本稿では,AS-OCT画像に対して,弱いアノテート画像(多義性)と完全アノテート画像(マイノリティ)を組み合わせて,ターゲット組織を正確に分割する枠組みを提案する。
提案するフレームワークは,相互に信頼性の高いガイダンスを提供する2つのモデルで構成されている。
また、ガイダンスの精度と安定性を高めるため、不確実性誘導戦略を採用した。
公開年齢データセットに関する詳細な実験は、提案されたフレームワークが最先端のセミ教師付きメソッドよりも優れており、完全に教師付きメソッドと同等の性能を持つことを示している。
そこで,提案手法は,弱アノテート画像に含まれる情報の利用に有効であり,アノテーションの作業負荷を強制的に軽減する能力を有することを示す。
関連論文リスト
- Adversarial Vessel-Unveiling Semi-Supervised Segmentation for Retinopathy of Prematurity Diagnosis [9.683492465191241]
広範囲な手動血管アノテーションを必要とせず,ROP研究を進めるための半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。
ラベル付きデータにのみ依存する従来の手法とは異なり,本手法では不確実性重み付き容器公開モジュールとドメイン対向学習を統合している。
我々は、パブリックデータセットと社内ROPデータセットに対するアプローチを検証し、複数の評価指標で優れたパフォーマンスを示す。
論文 参考訳（メタデータ） (2024-11-14T02:40:34Z) - Mind the Context: Attention-Guided Weak-to-Strong Consistency for Enhanced Semi-Supervised Medical Image Segmentation [14.67636369741001]
本稿では,AIGCMatch (Attention-Guided weak-to-strong Consistency Match) という半教師付き学習フレームワークを提案する。
AIGCMatchフレームワークは、イメージレベルと特徴レベルの両方において注意誘導の摂動戦略を取り入れ、弱い一貫性の規則化を実現する。
本手法は, ACDCデータセットの7ケースシナリオにおいて90.4%のDiceスコアを達成し, 最先端の手法を超越し, 臨床環境におけるその可能性と有効性を示した。
論文 参考訳（メタデータ） (2024-10-16T10:04:22Z) - Real-time guidewire tracking and segmentation in intraoperative x-ray [52.51797358201872]
リアルタイムガイドワイヤ分割と追跡のための2段階のディープラーニングフレームワークを提案する。
第1段階では、ヨロフ5検出器が元のX線画像と合成画像を使って訓練され、ターゲットのガイドワイヤのバウンディングボックスを出力する。
第2段階では、検出された各バウンディングボックスにガイドワイヤを分割するために、新規で効率的なネットワークが提案されている。
論文 参考訳（メタデータ） (2024-04-12T20:39:19Z) - GlanceSeg: Real-time microaneurysm lesion segmentation with
gaze-map-guided foundation model for early detection of diabetic retinopathy [13.055297330424397]
早期糖尿病網膜症(DR)は微小血管腫による臨床診断に課題を呈する。
セグメント・アズ・モデル(SAM)に基づいて,GlanceSeg というラベルフリー早期DR診断フレームワークを提案する。
GlanceSegは眼科医が眼底の画像をレビューするときに、微小血管腫の病変のリアルタイムセグメンテーションを可能にする。
論文 参考訳（メタデータ） (2023-11-14T10:59:45Z) - AMLP:Adaptive Masking Lesion Patches for Self-supervised Medical Image
Segmentation [67.97926983664676]
自己監督型マスク画像モデリングは自然画像に対して有望な結果を示した。
しかし,このような手法を医用画像に直接適用することは依然として困難である。
適応型マスキング病変パッチ(AMLP)の自己管理型医用画像分割フレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-08T13:18:10Z) - Internal Structure Attention Network for Fingerprint Presentation Attack
Detection from Optical Coherence Tomography [7.241363249424351]
本稿では,ネットワークトレーニングの指導に事前知識を適用した,教師付き学習に基づく新しいPAD手法ISAPADを提案する。
提案したデュアルブランチアーキテクチャは,OCT画像からグローバルな特徴を学習するだけでなく,階層構造にも注目する。
単純で効果的なISAMにより、提案ネットワークは、ノイズの多いOCTボリュームデータから、ボナフィドに属する層状セグメンテーション特徴を得ることができる。
論文 参考訳（メタデータ） (2023-03-20T11:36:09Z) - JOINED : Prior Guided Multi-task Learning for Joint Optic Disc/Cup
Segmentation and Fovea Detection [1.2250035750661867]
そこで本研究では, JOINEDという新しい手法を用いて, 複数タスク学習を先導し, OD/OCセグメンテーションと卵胞検出を行った。
提案するJOINEDパイプラインは粗い段と細かい段からなる。
実験の結果,提案したJOINEDは既存の最先端手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2022-03-01T13:47:48Z) - InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal
Artifact Reduction in CT Images [53.4351366246531]
InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。
異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
論文 参考訳（メタデータ） (2021-12-23T15:52:37Z) - 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) - Towards Unbiased COVID-19 Lesion Localisation and Segmentation via
Weakly Supervised Learning [66.36706284671291]
本研究では,画像レベルラベルのみに監視されたデータ駆動型フレームワークを提案する。
このフレームワークは、生成する対向ネットワークと病変特異的デコーダの助けを借りて、原画像から潜在的な病変を明示的に分離することができる。
論文 参考訳（メタデータ） (2021-03-01T06:05:49Z) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z)
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。