論文の概要: Symbolic Semantic Segmentation and Interpretation of COVID-19 Lung Infections in Chest CT volumes based on Emergent Languages

• arxiv url: http://arxiv.org/abs/2008.09866v1
• Date: Sat, 22 Aug 2020 16:19:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-26 08:22:48.283671
• Title: Symbolic Semantic Segmentation and Interpretation of COVID-19 Lung Infections in Chest CT volumes based on Emergent Languages
• Title（参考訳）: 創発言語に基づく胸部CTボリュームにおけるウイルス感染の象徴的セマンティックセマンティックセグメンテーションと解釈
• Authors: Aritra Chowdhury, Alberto Santamaria-Pang, James R. Kubricht, Jianwei Qiu, Peter Tu
• Abstract要約: 新型コロナウイルス(COVID-19)がパンデミックを引き起こし、日常生活に不可欠なサービスの幅が拡大した。 肺のCTスキャンにおけるCOVID-19感染のセグメンテーションのための創発言語に基づくシンボリックフレームワークを提案する。 本研究は, 感染部位, 感染形態, 画像特徴を識別する記号文の直接解釈を行った。
• 参考スコア（独自算出の注目度）: 1.1199585259018459
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The coronavirus disease (COVID-19) has resulted in a pandemic crippling the a breadth of services critical to daily life. Segmentation of lung infections in computerized tomography (CT) slices could be be used to improve diagnosis and understanding of COVID-19 in patients. Deep learning systems lack interpretability because of their black box nature. Inspired by human communication of complex ideas through language, we propose a symbolic framework based on emergent languages for the segmentation of COVID-19 infections in CT scans of lungs. We model the cooperation between two artificial agents - a Sender and a Receiver. These agents synergistically cooperate using emergent symbolic language to solve the task of semantic segmentation. Our game theoretic approach is to model the cooperation between agents unlike Generative Adversarial Networks (GANs). The Sender retrieves information from one of the higher layers of the deep network and generates a symbolic sentence sampled from a categorical distribution of vocabularies. The Receiver ingests the stream of symbols and cogenerates the segmentation mask. A private emergent language is developed that forms the communication channel used to describe the task of segmentation of COVID infections. We augment existing state of the art semantic segmentation architectures with our symbolic generator to form symbolic segmentation models. Our symbolic segmentation framework achieves state of the art performance for segmentation of lung infections caused by COVID-19. Our results show direct interpretation of symbolic sentences to discriminate between normal and infected regions, infection morphology and image characteristics. We show state of the art results for segmentation of COVID-19 lung infections in CT.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)は、日常生活に不可欠なサービスの幅が拡大するパンデミックを引き起こしている。 コンピュータ断層撮影(CT)スライスにおける肺感染症の分画は、患者の新型コロナウイルスの診断と理解を改善するために用いられる。 深層学習システムはブラックボックスの性質のために解釈性に欠ける。 言語による複雑なアイデアの人間コミュニケーションから着想を得て,肺のCTスキャンにおけるCOVID-19感染のセグメンテーションのための創発的言語に基づくシンボリックフレームワークを提案する。 2つの人工エージェント - 送信側と受信側 - の協調をモデル化する。 これらのエージェントは、セマンティックセグメンテーションの課題を解決するために創発的記号言語を用いて相乗的に協調する。 我々のゲーム理論のアプローチは,GAN(Generative Adversarial Networks)とは異なり,エージェント間の協調をモデル化することである。 Senderは、ディープネットワークの上位層から情報を取得し、語彙のカテゴリー分布からサンプリングされた記号文を生成する。 受信側はシンボルのストリームを取り込み、セグメンテーションマスクを共生成する。 ウイルス感染のセグメンテーションのタスクを記述するのに使用されるコミュニケーションチャネルを形成する私的な創発言語が開発されている。 我々は,表現的セグメンテーションモデルを形成するために,シンボルジェネレータを用いて,アートセグメンテーションアーキテクチャの既存の状態を強化する。 我々の象徴的セグメンテーションの枠組みは、COVID-19による肺感染症のセグメンテーションにおけるアートパフォーマンスの状態を達成している。 本研究は, 正常領域と感染領域, 感染形態, 画像の特徴を判別するための記号文の直接解釈を示す。 今回,CTにおけるCOVID-19肺感染症の分画術式について報告する。

関連論文リスト

• Implicit Anatomical Rendering for Medical Image Segmentation with Stochastic Experts [11.007092387379078]
  医用画像セグメンテーションの学習を支援するために,解剖学的レベルで設計された汎用的な暗黙的ニューラルネットワークレンダリングフレームワークであるMORSEを提案する。 医用画像のセグメンテーションをエンドツーエンドのレンダリング問題として定式化する。 実験の結果,MORSEは異なる医療セグメントのバックボーンでうまく機能することが示された。
  論文  参考訳（メタデータ） (2023-04-06T16:44:03Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• BCS-Net: Boundary, Context and Semantic for Automatic COVID-19 Lung Infection Segmentation from CT Images [83.82141604007899]
  BCS-Netは、CT画像から自動的に新型コロナウイルスの肺感染症を分離するための新しいネットワークである。 BCS-Netはエンコーダ-デコーダアーキテクチャに従っており、多くの設計はデコーダのステージに焦点を当てている。 BCSRブロックでは、アテンション誘導グローバルコンテキスト(AGGC)モジュールがデコーダの最も価値のあるエンコーダ機能を学ぶように設計されている。
  論文  参考訳（メタデータ） (2022-07-17T08:54:07Z)
• A Deep Ensemble Learning Approach to Lung CT Segmentation for COVID-19 Severity Assessment [0.5512295869673147]
  新型コロナウイルス患者の肺CTの分類的セグメンテーションに対する新しい深層学習手法を提案する。 病理組織は正常な肺組織,非肺領域,および2つの異なる,しかし視覚的に類似した,病理組織に区分した。 提案するフレームワークは,3つのCOVID-19データセットの競合結果と優れた一般化機能を実現する。
  論文  参考訳（メタデータ） (2022-07-05T21:28:52Z)
• Generalized Organ Segmentation by Imitating One-shot Reasoning using Anatomical Correlation [55.1248480381153]
  そこで我々は,アノテーション付きオルガンクラスから一般化されたオルガン概念を学習し,その概念を未知のクラスに転送するOrganNetを提案する。 そこで,OrganNetは臓器形態の幅広い変化に効果的に抵抗でき,一発分節タスクで最先端の結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-03-30T13:41:12Z)
• CHS-Net: A Deep learning approach for hierarchical segmentation of COVID-19 infected CT images [0.6091702876917281]
  新型重症急性呼吸器症候群(SARS-CoV-2)のパンデミックが世界中で広がっています。 CT(Computerd Tomography)、X線などの医療画像は、臓器の構造に関する優れた詳細を提示することにより、患者の診断に重要な役割を果たします。 ディープラーニング技術は、新型コロナウイルスなどの疾患やウイルスの迅速な診断を支援するために、そのようなスキャンを分析する強みを示しています。
  論文  参考訳（メタデータ） (2020-12-13T15:02:05Z)
• Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding [60.89561661441736]
  医療画像分割のための新しい手法を提案する。 深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。 深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
  論文  参考訳（メタデータ） (2020-12-10T04:01:07Z)
• Towards Emergent Language Symbolic Semantic Segmentation and Model Interpretability [0.6649753747542209]
  ヒトが言語を介して複雑なアイデアを伝達する方法に触発されて、解釈可能なセグメンテーションのための一般化されたセマンティック(textS2$)フレームワークを開発した。 敵対的モデル(例えば、GAN)とは異なり、私たちは、共通の目標を達成するために協力する必要がある2つのエージェント、Sender と Receiver の協力を明示的にモデル化する。 UNetのようなアーキテクチャを用いてシンボリック文を生成するSenderネットワークへの入力を生成し、受信側ネットワークは文に基づいてセグメンテーションマスクを共同生成する。
  論文  参考訳（メタデータ） (2020-07-18T15:06:12Z)
• Weakly-Supervised Segmentation for Disease Localization in Chest X-Ray Images [0.0]
  医用胸部X線画像のセマンティックセグメンテーションに対する新しいアプローチを提案する。 本手法は肺と胸壁の間の異常な空気量を検出するための胸部X線検査に適用可能である。
  論文  参考訳（メタデータ） (2020-07-01T20:48:35Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)

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。