論文の概要: Subtype-aware Unsupervised Domain Adaptation for Medical Diagnosis

• arxiv url: http://arxiv.org/abs/2101.00318v2
• Date: Mon, 11 Jan 2021 15:09:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-17 09:41:15.801657
• Title: Subtype-aware Unsupervised Domain Adaptation for Medical Diagnosis
• Title（参考訳）: 診断のためのサブタイプ非教師付きドメイン適応
• Authors: Xiaofeng Liu, Xiongchang Liu, Bo Hu, Wenxuan Ji, Fangxu Xing, Jun Lu, Jane You, C.-C. Jay Kuo, Georges El Fakhri, Jonghye Woo
• Abstract要約: 中間擬似ラベルによるクラスワイズ分離とサブタイプワイズコンパクト化を明示的に強制することにより,粒度の細かいサブタイプアライメントを適応的に実行することを提案する。 私たちの重要な洞察は、クラスのラベルのないサブタイプは、異なる条件およびラベルシフトで互いに分岐することができるということです。 提案するサブタイプ対応動的UDAは,医療診断タスクにおいて有望な結果が得られる。
• 参考スコア（独自算出の注目度）: 43.57869330587104
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in unsupervised domain adaptation (UDA) show that transferable prototypical learning presents a powerful means for class conditional alignment, which encourages the closeness of cross-domain class centroids. However, the cross-domain inner-class compactness and the underlying fine-grained subtype structure remained largely underexplored. In this work, we propose to adaptively carry out the fine-grained subtype-aware alignment by explicitly enforcing the class-wise separation and subtype-wise compactness with intermediate pseudo labels. Our key insight is that the unlabeled subtypes of a class can be divergent to one another with different conditional and label shifts, while inheriting the local proximity within a subtype. The cases of with or without the prior information on subtype numbers are investigated to discover the underlying subtype structure in an online fashion. The proposed subtype-aware dynamic UDA achieves promising results on medical diagnosis tasks.
• Abstract（参考訳）: 教師なしドメイン適応(UDA)の最近の進歩は、転送可能な原型学習がクラス条件アライメントの強力な手段であることを示している。 しかし、クロスドメイン内部クラスコンパクト性と基礎となる細粒度のサブタイプ構造はほとんど未検討のままであった。 本研究では, 中間擬似ラベルを用いて, クラスワイド分離とサブタイプワイドコンパクトネスを明示的に強制することにより, 微粒なサブタイプ認識アライメントを適応的に行うことを提案する。 私たちの重要な洞察は、クラス内のラベルなしのサブタイプは、条件とラベルのシフトが異なる場合に互いに分岐し、サブタイプ内のローカルな近接を継承できるということです。 サブタイプ数に関する事前情報の有無を調査し,その基盤となるサブタイプ構造をオンライン形式で発見する。 提案するサブタイプ対応動的UDAは,医療診断タスクにおいて有望な結果が得られる。

関連論文リスト

• Crucial Semantic Classifier-based Adversarial Learning for Unsupervised Domain Adaptation [4.6899218408452885]
  Unsupervised Domain Adaptation (UDA) は、十分にラベル付けされたソースドメインから関連するラベル付けされていないターゲットドメインへの転送可能性を探ることを目的としている。 本稿では,CSCAL(Crucial Semantic-based Adrial Learning)を提案する。 CSCALは、レギュレータとして様々なUDAメソッドに強制的にマージでき、その性能を劇的に向上させることができる。
  論文  参考訳（メタデータ） (2023-02-03T13:06:14Z)
• Subtype-Aware Dynamic Unsupervised Domain Adaptation [36.996764621968204]
  非教師付きドメイン適応(UDA)は、ラベル付きソースドメインからラベルなしのターゲットドメインへの知識伝達に成功している。 そこで本稿では,両ドメインのサブタイプラベルを使わずに,対象ドメインの性能を向上させるために,細粒度サブタイプ認識アライメントを適応的に行う手法を提案する。
  論文  参考訳（メタデータ） (2022-08-16T14:02:47Z)
• Prototypical Contrast Adaptation for Domain Adaptive Semantic Segmentation [52.63046674453461]
  プロトタイプ・コントラスト適応(Prototypeal Contrast Adaptation, ProCA)は、教師なしドメイン適応セマンティックセマンティックセグメンテーションのための対照的な学習法である。 ProCAはクラス間の情報をクラスワイドプロトタイプに組み込み、適応のためにクラス中心の分散アライメントを採用する。
  論文  参考訳（メタデータ） (2022-07-14T04:54:26Z)
• Domain Adaptive Nuclei Instance Segmentation and Classification via Category-aware Feature Alignment and Pseudo-labelling [65.40672505658213]
  本稿では, UDA 核インスタンス分割と分類のための新しいディープニューラルネットワークである Category-Aware 機能アライメントと Pseudo-Labelling Network (CAPL-Net) を提案する。 我々のアプローチは、最先端のUDA手法よりも顕著なマージンで優れています。
  論文  参考訳（メタデータ） (2022-07-04T07:05:06Z)
• Geometry-Aware Unsupervised Domain Adaptation [12.298214579392129]
  Unsupervised Domain Adaptation (UDA)は、データセットシフトの存在下で、ラベル付きソースドメインからラベルなしターゲットドメインに知識を転送することを目的としている。 既存のほとんどのメソッドは、ドメインのアライメントやクラス識別にうまく対応できないため、下流タスクの本質的なデータ構造を歪めてしまう可能性がある。 核ノルム最適化により,移動可能性と識別性を同時に学習するための新しい幾何認識モデルを提案する。
  論文  参考訳（メタデータ） (2021-12-21T08:45:42Z)
• Simultaneous Semantic Alignment Network for Heterogeneous Domain Adaptation [67.37606333193357]
  本稿では,カテゴリ間の相関を同時に利用し,各カテゴリ毎のセントロイドを整列させるために,aSimultaneous Semantic Alignment Network (SSAN)を提案する。 対象の擬似ラベルを利用することで、各カテゴリの特徴表現を整列させるために、ロバストな三重項中心のアライメント機構を明示的に適用する。 テキスト・ツー・イメージ、画像・画像・テキスト・ツー・テキストにわたる様々なHDAタスクの実験は、最先端のHDA手法に対するSSANの優位性を検証することに成功した。
  論文  参考訳（メタデータ） (2020-08-04T16:20:37Z)
• Domain Adaptive Semantic Segmentation Using Weak Labels [115.16029641181669]
  本稿では,画像レベルの弱いラベルを持つセマンティックセグメンテーションにおけるドメイン適応のための新しいフレームワークを提案する。 ネットワークに特定のカテゴリへの参加を強制する弱いラベル分類モジュールを開発する。 実験では,UDAにおける既存の最先端技術に対する大幅な改善と,WDA設定における新たなベンチマークを示す。
  論文  参考訳（メタデータ） (2020-07-30T01:33:57Z)
• Domain Adaptation with Auxiliary Target Domain-Oriented Classifier [115.39091109079622]
  ドメイン適応は、知識をラベルリッチだが異質なドメインからラベルケアドメインに転送することを目的としている。 最も一般的なSSLテクニックの1つは、ラベルのない各データに擬似ラベルを割り当てる擬似ラベル付けである。 我々はAuxiliary Target Domain-Oriented (ATDOC) と呼ばれる新しい擬似ラベリングフレームワークを提案する。 ATDOCは、ターゲットデータのみのための補助分類器を導入してバイアスを軽減し、擬似ラベルの品質を向上させる。
  論文  参考訳（メタデータ） (2020-07-08T15:01:35Z)

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。