Fugu-MT 論文翻訳(概要): Cluster Activation Mapping with Applications to Medical Imaging

論文の概要: Cluster Activation Mapping with Applications to Medical Imaging

arxiv url: http://arxiv.org/abs/2010.04794v1
Date: Fri, 9 Oct 2020 20:37:09 GMT
ステータス: 処理完了
システム内更新日: 2022-10-09 05:59:37.349583
Title: Cluster Activation Mapping with Applications to Medical Imaging
Title（参考訳）: クラスター活性化マッピングと医用画像への応用
Authors: Sarah Ryan, Nichole Carlson, Harris Butler, Tasha Fingerlin, Lisa Maier, Fuyong Xing
Abstract要約: Cluster Activation Mapping (CLAM) を生成する手法を開発した。サルコイドーシス集団の3次元CTに応用し, 純粋なCTスキャンによる新しいサルコイドーシスのクラスターを同定した。
参考スコア（独自算出の注目度）: 4.98888193036705
License: http://creativecommons.org/licenses/by/4.0/
Abstract: An open question in deep clustering is how to understand what in the image is creating the cluster assignments. This visual understanding is essential to be able to trust the results of an inherently complex algorithm like deep learning, especially when the derived cluster assignments may be used to inform decision-making or create new disease sub-types. In this work, we developed novel methodology to generate CLuster Activation Mapping (CLAM) which combines an unsupervised deep clustering framework with a modification of Score-CAM, an approach for discriminative localization in the supervised setting. We evaluated our approach using a simulation study based on computed tomography scans of the lung, and applied it to 3D CT scans from a sarcoidosis population to identify new clusters of sarcoidosis based purely on CT scan presentation.
Abstract（参考訳）: ディープクラスタリングにおけるオープンな疑問は、イメージ内の何がクラスタ割り当てを生成するのかを理解する方法だ。この視覚的理解は、深層学習のような本質的に複雑なアルゴリズムの結果を信頼できるものにするためには不可欠である。本研究では、教師なしの深層クラスタリングフレームワークとScore-CAMの修正を組み合わせたCluster Activation Mapping(CLAM)を生成する新しい手法を開発した。肺のctスキャンに基づいてシミュレーションを行い, サルコイドーシス集団の3次元ctスキャンに応用し, ct画像による新しいサルコイドーシスのクラスターを同定した。

関連論文リスト

Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文参考訳（メタデータ） (2023-10-11T05:49:47Z)
A Novel Confidence Induced Class Activation Mapping for MRI Brain Tumor Segmentation [19.52081109414247]
弱教師付きセマンティックセグメンテーションのための信頼誘導CAM(Cfd-CAM)を提案する。 Cfd-CAMは、対象クラスの信頼度を用いて、各特徴マップの重みを算出する。 2つの脳腫瘍データセットに対する実験により、Cfd-CAMは既存の最先端の手法よりも優れていることが示された。
論文参考訳（メタデータ） (2023-06-08T18:01:08Z)
Joint localization and classification of breast tumors on ultrasound images using a novel auxiliary attention-based framework [7.6620616780444974]
本稿では,注意機構と半教師付き半教師付き学習戦略に基づく,新しい共同局所化と分類モデルを提案する。提案されたモジュール化フレームワークは、様々なアプリケーションに対して柔軟なネットワーク置換を可能にする。
論文参考訳（メタデータ） (2022-10-11T20:14:13Z)
Mixed-UNet: Refined Class Activation Mapping for Weakly-Supervised Semantic Segmentation with Multi-scale Inference [28.409679398886304]
我々は、デコードフェーズに2つの並列分岐を持つMixed-UNetという新しいモデルを開発する。地域病院や公開データセットから収集したデータセットに対して,いくつかの一般的なディープラーニングに基づくセグメンテーションアプローチに対して,設計したMixed-UNetを評価した。
論文参考訳（メタデータ） (2022-05-06T08:37:02Z)
Intelligent Masking: Deep Q-Learning for Context Encoding in Medical Image Analysis [48.02011627390706]
我々は,対象地域を排除し,事前訓練の手順を改善する,新たな自己指導型アプローチを開発した。予測モデルに対してエージェントを訓練することで、下流の分類タスクで抽出した意味的特徴を大幅に改善できることを示す。
論文参考訳（メタデータ） (2022-03-25T19:05:06Z)
NuCLS: A scalable crowdsourcing, deep learning approach and dataset for nucleus classification, localization and segmentation [0.0]
ディープラーニングアルゴリズムは、トレーニングと検証のために多数のラベル付きインスタンスを与えられた正確なマッピングを提供することができる。十分な量の品質ラベルを生成することは計算病理学において重要な障壁として現れています弱いアルゴリズムが生成するアノテーションは、非専門家が生成するアノテーションの精度をいかに向上させるかを示す。
論文参考訳（メタデータ） (2021-02-18T01:17:17Z)
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)
ViDi: Descriptive Visual Data Clustering as Radiologist Assistant in COVID-19 Streamline Diagnostic [3.6933317368929193]
新型コロナウイルスの感染拡大を受け、胸部X線から新型コロナウイルスを検出する深層学習法が広く研究されている。本稿では,人間と機械の相互作用と専門家による意思決定を促進する枠組みを提案する。
論文参考訳（メタデータ） (2020-11-30T15:06:08Z)
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)
Attention Model Enhanced Network for Classification of Breast Cancer Image [54.83246945407568]
AMENはマルチブランチ方式で、画素ワイドアテンションモデルとサブモジュールの分類で定式化される。微妙な詳細情報に焦点を合わせるため、サンプル画像は、前枝から生成された画素対応の注目マップによって強化される。 3つのベンチマークデータセットで行った実験は、様々なシナリオにおいて提案手法の優位性を実証している。
論文参考訳（メタデータ） (2020-10-07T08:44:21Z)
Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。