論文の概要: TR-GAN: Topology Ranking GAN with Triplet Loss for Retinal Artery/Vein
Classification
- arxiv url: http://arxiv.org/abs/2007.14852v1
- Date: Wed, 29 Jul 2020 14:11:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-05 20:55:50.189278
- Title: TR-GAN: Topology Ranking GAN with Triplet Loss for Retinal Artery/Vein
Classification
- Title（参考訳）: TR-GAN : 網膜動脈・静脈分類におけるトリプルト損失GANのトポロジーランキング
- Authors: Wenting Chen, Shuang Yu, Junde Wu, Kai Ma, Cheng Bian, Chunyan Chu,
Linlin Shen, Yefeng Zheng
- Abstract要約: 本稿では,血管・静脈のトポロジ接続性を改善するために,TR-GAN(Topology Ranking Generative Adversarial Network)を提案する。
このフレームワークは、予測されたA/Vマスクのトポロジ的接続性を効果的に向上し、公開されているAV-DRIVEデータセット上で最先端のA/V分類性能を達成する。
- 参考スコア（独自算出の注目度）: 42.62393264398367
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Retinal artery/vein (A/V) classification lays the foundation for the
quantitative analysis of retinal vessels, which is associated with potential
risks of various cardiovascular and cerebral diseases. The topological
connection relationship, which has been proved effective in improving the A/V
classification performance for the conventional graph based method, has not
been exploited by the deep learning based method. In this paper, we propose a
Topology Ranking Generative Adversarial Network (TR-GAN) to improve the
topology connectivity of the segmented arteries and veins, and further to boost
the A/V classification performance. A topology ranking discriminator based on
ordinal regression is proposed to rank the topological connectivity level of
the ground-truth, the generated A/V mask and the intentionally shuffled mask.
The ranking loss is further back-propagated to the generator to generate better
connected A/V masks. In addition, a topology preserving module with triplet
loss is also proposed to extract the high-level topological features and
further to narrow the feature distance between the predicted A/V mask and the
ground-truth. The proposed framework effectively increases the topological
connectivity of the predicted A/V masks and achieves state-of-the-art A/V
classification performance on the publicly available AV-DRIVE dataset.
- Abstract（参考訳）: 網膜動脈/静脈(A/V)分類は、様々な心血管および脳疾患の潜在的なリスクに関連する網膜血管の定量的解析の基礎となる。
従来のグラフベース手法のa/v分類性能向上に有効なトポロジカル接続関係は,深層学習に基づく手法では活用されていない。
本稿では,分割動脈と静脈のトポロジ接続性を向上し,さらにA/V分類性能を向上させるために,TR-GAN(Topology Ranking Generative Adversarial Network)を提案する。
順序回帰に基づくトポロジーランキング判別器を提案し,接地面のトポロジー接続レベル,生成されたa/vマスク,故意にシャッフルマスクをランク付けする。
ランキング損失はさらに発電機にバックプロパガンダされ、より良い接続されたA/Vマスクを生成する。
さらに,三重項損失を有するトポロジー保存モジュールも提案し,高次トポロジー特性を抽出し,予測したA/Vマスクと接地トラスとの間の特徴距離を狭める。
提案フレームワークは,予測されたA/Vマスクのトポロジ的接続性を効果的に向上し,公開されているAV-DRIVEデータセット上で最先端のA/V分類性能を実現する。
関連論文リスト
- RRWNet: Recursive Refinement Network for Effective Retinal Artery/Vein Segmentation and Classification [0.8386558353546658]
網膜血管の徹底的な解析は、血管の分画と動脈と静脈への分類を必要とする。
本稿では,この制限に対処する新しいエンドツーエンドディープラーニングフレームワークRRWNetを紹介する。
特にRRWNetは、入力画像からベースセグメンテーションマップを生成するBaseサブネットワークと、これらのマップを反復的に改善するRecursive Refinementサブネットワークである。
論文 参考訳（メタデータ） (2024-02-05T16:35:29Z) - A Systematic Evaluation of Node Embedding Robustness [77.29026280120277]
本研究では,ノード埋め込みモデルのランダムおよび逆毒攻撃に対する経験的ロバスト性を評価する。
ネットワーク特性とノードラベルを用いて計算したエッジの追加,削除,再切り替えの戦略を比較した。
その結果,ノード分類はネットワーク再構成とは対照的に,高い性能劣化に悩まされていることがわかった。
論文 参考訳（メタデータ） (2022-09-16T17:20:23Z) - A novel adversarial learning strategy for medical image classification [9.253330143870427]
補助畳み込みニューラルネットワーク(AuxCNN)は、中間層のトレーニングを容易にするために、従来の分類ネットワーク上に採用されている。
本研究では,医用画像分類のための深層ニューラルネットワークのトレーニングを支援するための,対角学習に基づくAuxCNNを提案する。
論文 参考訳（メタデータ） (2022-06-23T06:57:17Z) - Deep AUC Maximization for Medical Image Classification: Challenges and
Opportunities [60.079782224958414]
我々は、AUCによる新たな深層学習手法による機会と課題を提示し、議論する(別名、アンダーラインbfディープアンダーラインbfAUC分類)。
論文 参考訳（メタデータ） (2021-11-01T15:31:32Z) - Cross-Site Severity Assessment of COVID-19 from CT Images via Domain
Adaptation [64.59521853145368]
CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。
ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。
この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
論文 参考訳（メタデータ） (2021-09-08T07:56:51Z) - Consistent Posterior Distributions under Vessel-Mixing: A Regularization
for Cross-Domain Retinal Artery/Vein Classification [30.30848090813239]
網膜A/V分類におけるクロスドメイン学習のための船舶混合型整合性正規化フレームワークを提案する。
提案手法は,対象ドメインに対する教師付き学習によって得られる上界に近い,最先端のクロスドメイン性能を実現する。
論文 参考訳（メタデータ） (2021-03-16T14:18:35Z) - Multi-Task Neural Networks with Spatial Activation for Retinal Vessel
Segmentation and Artery/Vein Classification [49.64863177155927]
本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。
提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
論文 参考訳（メタデータ） (2020-07-18T05:46:47Z) - Understanding and Diagnosing Vulnerability under Adversarial Attacks [62.661498155101654]
ディープニューラルネットワーク(DNN)は敵の攻撃に弱いことが知られている。
本稿では,潜在変数の分類に使用される特徴を説明するために,新しい解釈可能性手法であるInterpretGANを提案する。
また、各層がもたらす脆弱性を定量化する最初の診断方法も設計する。
論文 参考訳（メタデータ） (2020-07-17T01:56:28Z) - DcardNet: Diabetic Retinopathy Classification at Multiple Levels Based
on Structural and Angiographic Optical Coherence Tomography [1.9262162668141078]
糖尿病網膜症(DR)分類の枠組みを満たすために,畳み込みニューラルネットワーク(CNN)に基づく手法を提案する。
DR分類のために、適応レートドロップアウト(DcardNet)を備えた高密度かつ連続的に接続されたニューラルネットワークを設計する。
国際臨床糖尿病網膜症尺度に基づいて3つの分類レベルを作成した。
論文 参考訳（メタデータ） (2020-06-09T19:44:10Z)
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。