論文の概要: Self-Supervised Learning for Gastritis Detection with Gastric X-ray Images

• arxiv url: http://arxiv.org/abs/2104.02864v4
• Date: Mon, 27 Mar 2023 08:46:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-29 05:05:30.992997
• Title: Self-Supervised Learning for Gastritis Detection with Gastric X-ray Images
• Title（参考訳）: 胃X線画像を用いた胃炎検出のための自己監督学習
• Authors: Guang Li, Ren Togo, Takahiro Ogawa, Miki Haseyama
• Abstract要約: そこで我々は,胃X線画像から明示的な自己教師付き学習を行い,識別表現を学習する新しい手法を開発した。 提案手法に基づいてトレーニングされたモデルは,いくつかの注釈付き胃X線画像からなるデータセットに基づいて微調整された。 胃X線画像を用いた胃炎検出における本法の有効性を実験的に検証した。
• 参考スコア（独自算出の注目度）: 38.65823547986758
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: Manual annotation of gastric X-ray images by doctors for gastritis detection is time-consuming and expensive. To solve this, a self-supervised learning method is developed in this study. The effectiveness of the proposed self-supervised learning method in gastritis detection is verified using a few annotated gastric X-ray images. Methods: In this study, we develop a novel method that can perform explicit self-supervised learning and learn discriminative representations from gastric X-ray images. Models trained based on the proposed method were fine-tuned on datasets comprising a few annotated gastric X-ray images. Five self-supervised learning methods, i.e., SimSiam, BYOL, PIRL-jigsaw, PIRL-rotation, and SimCLR, were compared with the proposed method. Furthermore, three previous methods, one pretrained on ImageNet, one trained from scratch, and one semi-supervised learning method, were compared with the proposed method. Results: The proposed method's harmonic mean score of sensitivity and specificity after fine-tuning with the annotated data of 10, 20, 30, and 40 patients were 0.875, 0.911, 0.915, and 0.931, respectively. The proposed method outperformed all comparative methods, including the five self-supervised learning and three previous methods. Experimental results showed the effectiveness of the proposed method in gastritis detection using a few annotated gastric X-ray images. Conclusions: This paper proposes a novel self-supervised learning method based on a teacher-student architecture for gastritis detection using gastric X-ray images. The proposed method can perform explicit self-supervised learning and learn discriminative representations from gastric X-ray images. The proposed method exhibits potential clinical use in gastritis detection using a few annotated gastric X-ray images.
• Abstract（参考訳）: 目的:胃炎検出のための医師による胃X線画像のマニュアルアノテーションは時間と費用がかかる。 そこで本研究では,自己指導型学習手法を開発した。 胃炎検出における自己教師あり学習法の有効性をいくつかのアノテートx線画像を用いて検証した。 方法:本研究では,胃X線画像から明示的な自己教師付き学習を行い,識別表現を学習できる新しい手法を開発した。 提案手法に基づいてトレーニングされたモデルは,いくつかの注釈付き胃X線画像からなるデータセットに基づいて微調整された。 提案手法と比較して,SimSiam,BYOL,PIRL-jigsaw,PIRL-rotation,SimCLRの5つの自己教師型学習手法を比較した。 さらに,ImageNetで事前学習した3つの手法,スクラッチから訓練した1つの手法,半教師付き学習法を,提案手法と比較した。 結果:10,20,30,40例の注釈データを用いた微調整後の高調波平均感度と特異性のスコアは0.875,0.911,0.915,0.931であった。 提案手法は,5つの自己教師あり学習法と3つの先行学習法を含む,すべての比較手法を上回った。 胃X線画像を用いた胃炎検出における本法の有効性を実験的に検証した。 結論: 胃X線画像を用いた胃炎検出のための教師学生アーキテクチャに基づく新しい自己教師型学習手法を提案する。 提案手法は,胃X線画像から明確な自己教師付き学習を行い,識別表現を学習することができる。 提案法は胃X線画像を用いた胃炎検出における臨床的有用性を示す。

関連論文リスト

• Position-Guided Prompt Learning for Anomaly Detection in Chest X-Rays [46.78926066405227]
  胸部X線異常検出は重要な課題である。 近年,多数の医用画像に基づいて事前トレーニングされたCLIPベースの手法は,ゼロ/フェーショットダウンストリームタスクにおいて顕著な性能を示した。 凍結したCLIPモデルにタスクデータを適応させる位置誘導型プロンプト学習法を提案する。
  論文  参考訳（メタデータ） (2024-05-20T12:11:41Z)
• DINO-CXR: A self supervised method based on vision transformer for chest X-ray classification [0.9883261192383611]
  本稿では,胸部X線分類のための視覚変換器に基づく自己監督法であるDINO-CXRを提案する。 肺炎とCOVID-19の両方の検出において提案法の有効性を示すために比較分析を行った。
  論文  参考訳（メタデータ） (2023-08-01T11:58:49Z)
• COVID-19 Detection Based on Self-Supervised Transfer Learning Using Chest X-Ray Images [38.65823547986758]
  胸部X線(CXR)画像から新型コロナウイルスを検出するための自己教師伝達学習法を提案する。 オープンなCOVID-19 CXRデータセットの定量的評価と,視覚検査のための質的結果について検討した。
  論文  参考訳（メタデータ） (2022-12-19T07:10:51Z)
• RGMIM: Region-Guided Masked Image Modeling for Learning Meaningful Representations from X-Ray Images [49.24576562557866]
  X線画像から意味のある表現を学習するための領域誘導マスク画像モデリング(RGMIM)を提案する。 RGMIMは、トレーニングセットの5%や10%といった小さなデータボリュームのパフォーマンスを、他の方法と比較して大幅に改善した。
  論文  参考訳（メタデータ） (2022-11-01T07:41:03Z)
• BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer Diagnosis in Breast Ultrasound Images [69.41441138140895]
  本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。 提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。 臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
  論文  参考訳（メタデータ） (2021-10-05T19:14:46Z)
• Practical X-ray Gastric Cancer Screening Using Refined Stochastic Data Augmentation and Hard Boundary Box Training [2.254041925375415]
  提案システムは,90.2%の胃癌に対する感度(SE)を専門家(85.5%)より高い精度で達成する。 検出された5つの候補ボックスのうち2つは癌であり、画像当たり0.01秒の速度で画像を処理しながら高い精度を維持している。
  論文  参考訳（メタデータ） (2021-08-18T14:04:52Z)
• Soft-Label Anonymous Gastric X-ray Image Distillation [49.24576562557866]
  本稿では,勾配降下法に基づく軟式ラベル匿名胃X線画像蒸留法を提案する。 実験の結果,提案手法は医療データセットを効果的に圧縮するだけでなく,患者の個人情報を保護するために医療画像の匿名化も可能であることがわかった。
  論文  参考訳（メタデータ） (2021-04-07T02:04:12Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• Deep learning classification of chest x-ray images [0.0]
  胸部X線画像における一般的な病態の分類のためのディープラーニングに基づく手法を提案する。 肺結節と心筋腫の2例に本法を適用した。 その結果,従来の方法と比較して結節および心内膜の検出におけるAUCの改善が認められた。
  論文  参考訳（メタデータ） (2020-05-19T17:29:33Z)
• Review on Computer Vision in Gastric Cancer: Potential Efficient Tools for Diagnosis [0.0]
  本総説は,胃癌に対するコンピュータビジョンの進歩に焦点を当てたものである。 データ生成と拡張の異なる方法が提示される。 より正確な診断とタイムリーな治療を支援するため,分類・分節技術について論じる。
  論文  参考訳（メタデータ） (2020-05-17T16:14:15Z)

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。