論文の概要: Alleviating Class-wise Gradient Imbalance for Pulmonary Airway Segmentation

• arxiv url: http://arxiv.org/abs/2011.11952v2
• Date: Thu, 29 Apr 2021 10:15:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-21 13:55:04.978089
• Title: Alleviating Class-wise Gradient Imbalance for Pulmonary Airway Segmentation
• Title（参考訳）: 肺気道セグメンテーションにおけるクラスワイズ勾配不均衡の緩和
• Authors: Hao Zheng, Yulei Qin, Yun Gu, Fangfang Xie, Jie Yang, Jiayuan Sun, Guang-zhong Yang
• Abstract要約: 自動気道セグメンテーションは術前診断と肺介入のための術中ナビゲーションの前提条件である。 周囲気管支の大きさや空間分布が分散しているため,前景と背景の高度不均衡が原因と考えられる。 本稿では, この問題の発端は, 近傍のボクセルの傾斜浸食と拡張によるものであることを示す。 本稿では,距離に基づく重みによる気道サイズの影響を回避し,学習プロセスに基づいて勾配比を適応的に調整する一般ユニオン損失関数を提案する。
• 参考スコア（独自算出の注目度）: 35.18277191213468
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated airway segmentation is a prerequisite for pre-operative diagnosis and intra-operative navigation for pulmonary intervention. Due to the small size and scattered spatial distribution of peripheral bronchi, this is hampered by severe class imbalance between foreground and background regions, which makes it challenging for CNN-based methods to parse distal small airways. In this paper, we demonstrate that this problem is arisen by gradient erosion and dilation of the neighborhood voxels. During back-propagation, if the ratio of the foreground gradient to background gradient is small while the class imbalance is local, the foreground gradients can be eroded by their neighborhoods. This process cumulatively increases the noise information included in the gradient flow from top layers to the bottom ones, limiting the learning of small structures in CNNs. To alleviate this problem, we use group supervision and the corresponding WingsNet to provide complementary gradient flows to enhance the training of shallow layers. To further address the intra-class imbalance between large and small airways, we design a General Union loss function which obviates the impact of airway size by distance-based weights and adaptively tunes the gradient ratio based on the learning process. Extensive experiments on public datasets demonstrate that the proposed method can predict the airway structures with higher accuracy and better morphological completeness than the baselines.
• Abstract（参考訳）: 自動気道セグメンテーションは術前診断と肺介入のための術中ナビゲーションの前提条件である。 末梢気管支の径が小さく、空間分布が散在していることから、前景と背景の高度クラス不均衡が阻害されるため、cnnベースの方法では遠位小気道解析が困難となる。 本稿では,この問題が近傍ボクセルの勾配侵食と拡張によって生じることを実証する。 バックプロパゲーション中、クラス不均衡が局所的である間、前景勾配と背景勾配の比率が小さい場合、前景勾配をその近傍で侵食することができる。 このプロセスは、上層層から下層への勾配流に含まれるノイズ情報を累積的に増加させ、cnnの小さな構造の学習を制限する。 この問題を軽減するために,グループ管理と対応するWingsNetを用いて,浅層層のトレーニングを強化するための相補的な勾配流を提供する。 さらに,大空路と小空路間のクラス内不均衡に対処するために,距離ベース重みによる気道サイズの影響を回避し,学習過程に基づいて勾配比を適応的に調整する一般ユニオン損失関数を設計する。 公共データセットに関する大規模な実験により,提案手法はベースラインよりも精度が高く,形態的完全性が高い気道構造を予測できることを示した。

関連論文リスト

• Multi-Stage Airway Segmentation in Lung CT Based on Multi-scale Nested Residual UNet [3.1903847117782274]
  深層学習は医用画像のセグメンテーションに大きな進歩をもたらしたが、気道の連続性を維持することは依然として困難である。 本稿では,小空路の複雑な詳細を効果的に把握し,情報フローを向上させるためのネスト残留フレームワークを提案する。 MNR-UNetのトレーニングを最適化する3段階セグメンテーションパイプラインを開発した。
  論文  参考訳（メタデータ） (2024-10-24T06:10:09Z)
• Adaptive Federated Learning Over the Air [108.62635460744109]
  オーバー・ザ・エア・モデル・トレーニングの枠組みの中で,適応勾配法,特にAdaGradとAdamの連合バージョンを提案する。 解析の結果,AdaGrad に基づくトレーニングアルゴリズムは $mathcalO(ln(T) / T 1 - frac1alpha の速度で定常点に収束することがわかった。
  論文  参考訳（メタデータ） (2024-03-11T09:10:37Z)
• Interpolation-Split: a data-centric deep learning approach with big interpolated data to boost airway segmentation performance [6.015272528297327]
  気道のセグメンテーションは 気道全体の輪郭を作るのに 重要な役割を担っています 本研究では,気道木を分割するデータ中心の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2023-07-29T14:51:56Z)
• Differentiable Topology-Preserved Distance Transform for Pulmonary Airway Segmentation [34.22415353209505]
  気道セグメンテーションの性能を向上させるために, 位相保存距離変換(DTPDT)フレームワークを提案する。 The Topology-Preserved Surrogate (TPS) learning strategy was first proposed to balance the training progress within-class distribution。 The Convolutional Distance Transform (CDT) is designed to identify the breakage phenomenon with superior sensitivity and minimize the variation of the distance map between the prediction and ground-truth。
  論文  参考訳（メタデータ） (2022-09-17T15:47:01Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Learning Tubule-Sensitive CNNs for Pulmonary Airway and Artery-Vein Segmentation in CT [45.93021999366973]
  肺気道,動脈,静脈の分節に対する畳み込みニューラルネットワーク(CNN)の訓練は困難である。 コントラスト非造影CTにおいて,CNNによる正確な気道および動脈静脈分画法を提案する。 細気管支、動脈、静脈に対して優れた感受性を有する。
  論文  参考訳（メタデータ） (2020-12-10T15:56:08Z)
• A Study of Gradient Variance in Deep Learning [56.437755740715396]
  階層化サンプリングによる平均ミニバッチ勾配のばらつきを最小化する手法であるグラディエントクラスタリングを導入する。 我々は、一般的なディープラーニングベンチマークの勾配分散を測定し、一般的な仮定に反して、トレーニング中に勾配分散が増加することを観察する。
  論文  参考訳（メタデータ） (2020-07-09T03:23:10Z)
• Unbiased Risk Estimators Can Mislead: A Case Study of Learning with Complementary Labels [92.98756432746482]
  我々は,補完ラベルを用いた学習という,弱教師付き問題を研究する。 勾配推定の品質はリスク最小化においてより重要であることを示す。 本稿では,ゼロバイアスと分散の低減を両立させる新しい補助的相補的損失(SCL)フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-05T04:19:37Z)
• The Break-Even Point on Optimization Trajectories of Deep Neural Networks [64.7563588124004]
  この軌道上の「破滅的な」点の存在を論じる。 トレーニングの初期段階での大きな学習率を用いることで、勾配のばらつきが軽減されることを示す。 また, バッチ正規化層を有するニューラルネットワークにおいても, 低学習率を用いることで損失面の条件が悪くなることを示す。
  論文  参考訳（メタデータ） (2020-02-21T22:55:51Z)

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。