論文の概要: Multimodal Transfer Learning-based Approaches for Retinal Vascular
Segmentation
- arxiv url: http://arxiv.org/abs/2012.10160v1
- Date: Fri, 18 Dec 2020 10:38:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-01 18:03:35.751745
- Title: Multimodal Transfer Learning-based Approaches for Retinal Vascular
Segmentation
- Title(参考訳): 網膜血管分節に対するマルチモーダルトランスファー学習に基づくアプローチ
- Authors: Jos\'e Morano, \'Alvaro S. Hervella, Noelia Barreira, Jorge Novo,
Jos\'e Rouco
- Abstract要約: 網膜微小循環の研究は、高血圧や糖尿病などの多くの眼疾患および全身疾患の分析において重要な問題です。
FCNはイメージセグメンテーションにおける最も成功したアプローチである。
本研究では,網膜血管セグメンテーションに対するマルチモーダルトランスファー学習に基づくアプローチを提案する。
- 参考スコア(独自算出の注目度): 2.672151045393935
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In ophthalmology, the study of the retinal microcirculation is a key issue in
the analysis of many ocular and systemic diseases, like hypertension or
diabetes. This motivates the research on improving the retinal vasculature
segmentation. Nowadays, Fully Convolutional Neural Networks (FCNs) usually
represent the most successful approach to image segmentation. However, the
success of these models is conditioned by an adequate selection and adaptation
of the architectures and techniques used, as well as the availability of a
large amount of annotated data. These two issues become specially relevant when
applying FCNs to medical image segmentation as, first, the existent models are
usually adjusted from broad domain applications over photographic images, and
second, the amount of annotated data is usually scarcer. In this work, we
present multimodal transfer learning-based approaches for retinal vascular
segmentation, performing a comparative study of recent FCN architectures. In
particular, to overcome the annotated data scarcity, we propose the novel
application of self-supervised network pretraining that takes advantage of
existent unlabelled multimodal data. The results demonstrate that the
self-supervised pretrained networks obtain significantly better vascular masks
with less training in the target task, independently of the network
architecture, and that some FCN architecture advances motivated for broad
domain applications do not translate into significant improvements over the
vasculature segmentation task.
- Abstract(参考訳): 眼科領域では、網膜微小循環の研究は、高血圧や糖尿病など多くの眼疾患や全身疾患の分析において重要な問題である。
これは網膜血管セグメンテーションを改善する研究の動機となっている。
現在、FCN(Fully Convolutional Neural Networks)は画像セグメンテーションにおいて最も成功したアプローチである。
しかしながら、これらのモデルの成功は、使用するアーキテクチャやテクニックの適切な選択と適応、そして大量の注釈付きデータの可用性によって条件付けられている。
これらの2つの問題は、医用画像セグメント化にFCNを適用する際に特に重要となり、第一に、既存のモデルは通常、写真画像よりも広い領域のアプリケーションから調整され、第二に、注釈付きデータの量は、通常不足している。
本研究では,網膜血管セグメンテーションに対するマルチモーダルトランスファー学習に基づくアプローチを提案し,最近のFCNアーキテクチャの比較研究を行った。
特に,アノテーテッドデータ不足を克服するために,既存のラベルなしマルチモーダルデータを利用した自己教師付きネットワークプリトレーニングの新たな応用を提案する。
その結果, 自己指導型プレトレーニングネットワークは, ネットワークアーキテクチャとは独立に, 目標タスクでのトレーニングを少なくして, はるかに優れた血管マスクが得られること, 広範ドメインアプリケーションに動機づけられたFCNアーキテクチャの進歩が, 血管分節タスクよりも大幅に改善されることが示唆された。
関連論文リスト
- Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。
本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。
実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
論文 参考訳(メタデータ) (2023-10-22T02:27:02Z) - Medulloblastoma Tumor Classification using Deep Transfer Learning with
Multi-Scale EfficientNets [63.62764375279861]
本稿では,エンド・ツー・エンドのMB腫瘍分類を提案し,様々な入力サイズとネットワーク次元の一致した移動学習を提案する。
161ケースのデータセットを用いて、より大規模な入力解像度を持つ事前学習されたEfficientNetが、大幅な性能改善をもたらすことを実証した。
論文 参考訳(メタデータ) (2021-09-10T13:07:11Z) - Self-Supervised Learning from Unlabeled Fundus Photographs Improves
Segmentation of the Retina [4.815051667870375]
基礎撮影は網膜イメージングの第一の方法であり、糖尿病網膜症予防に必須である。
現在のセグメンテーション法は、実際の臨床応用に典型的な画像条件や病理の多様性に対して堅牢ではない。
コントラスト型自己教師型学習を用いて,EyePACSデータセットの多種多様な未ラベル画像を利用する。
論文 参考訳(メタデータ) (2021-08-05T18:02:56Z) - Recurrent Mask Refinement for Few-Shot Medical Image Segmentation [15.775057485500348]
本稿では,プロトタイプネットワークに基づく数ショットの医用画像セグメンテーションのための新しいフレームワークを提案する。
1) 前景と背景領域間の局所的関係の特徴を関連付けるために相関を利用するコンテキスト関係エンコーダ(CRE)である。
2つの腹部CTデータセットと腹部MRIデータセットを用いた実験により、提案手法は最先端の方法よりも大幅に改善されていることが示された。
論文 参考訳(メタデータ) (2021-08-02T04:06:12Z) - 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) - Studying Robustness of Semantic Segmentation under Domain Shift in
cardiac MRI [0.8858288982748155]
複数の臨床センターやスキャナーベンダーからの画像間でのドメイン転送の課題と機会について検討する。
本研究では、nnU-netフレームワークによって構成された固定されたU-Netアーキテクチャに基づいて、様々なデータ拡張手法とバッチ正規化層について検討する。
論文 参考訳(メタデータ) (2020-11-15T17:50:23Z) - Domain Generalization for Medical Imaging Classification with
Linear-Dependency Regularization [59.5104563755095]
本稿では,医用画像分類分野におけるディープニューラルネットワークの一般化能力向上のための,シンプルだが効果的なアプローチを提案する。
医用画像の領域変数がある程度コンパクトであることに感銘を受けて,変分符号化による代表的特徴空間の学習を提案する。
論文 参考訳(メタデータ) (2020-09-27T12:30:30Z) - Progressive Adversarial Semantic Segmentation [11.323677925193438]
深い畳み込みニューラルネットワークは、完全な監視が与えられた場合、非常によく機能する。
画像解析タスクのための完全教師付きモデルの成功は、大量のラベル付きデータの入手に限られる。
本稿では,新しい医用画像分割モデル,Progressive Adrial Semantic(PASS)を提案する。
論文 参考訳(メタデータ) (2020-05-08T22:48:00Z) - Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and
Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。
網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。
近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。
本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。
提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文 参考訳(メタデータ) (2020-04-03T14:07:41Z) - Unpaired Multi-modal Segmentation via Knowledge Distillation [77.39798870702174]
本稿では,不対向画像分割のための新しい学習手法を提案する。
提案手法では,CTおよびMRI間での畳み込みカーネルの共有により,ネットワークパラメータを多用する。
我々は2つの多クラスセグメンテーション問題に対するアプローチを広範囲に検証した。
論文 参考訳(メタデータ) (2020-01-06T20:03:17Z)
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。