論文の概要: Uncertainty-Aware Temporal Self-Learning (UATS): Semi-Supervised
Learning for Segmentation of Prostate Zones and Beyond
- arxiv url: http://arxiv.org/abs/2104.03840v1
- Date: Thu, 8 Apr 2021 15:31:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-09 12:53:38.165418
- Title: Uncertainty-Aware Temporal Self-Learning (UATS): Semi-Supervised
Learning for Segmentation of Prostate Zones and Beyond
- Title（参考訳）: 不確かさを意識した時間的自己学習(UATS):前立腺領域のセグメンテーションのための半教師付き学習
- Authors: Anneke Meyer, Suhita Ghosh, Daniel Schindele, Martin Schostak,
Sebastian Stober, Christian Hansen, Marko Rak
- Abstract要約: CNNベースのコンセプトは、前立腺の自動分割と、その粗い部分分割を移行ゾーン(TZ)と周辺ゾーン(PZ)に導入しています。
tz, pz, 遠位前立腺尿道(dpu)および前線維筋ストロマ(afs)の細粒化を標的とした場合, 課題はより困難になる
そこで本研究では,半教師付き学習手法である不確実性認識時間学習を応用し,コストと時間を要する手話の真理ラベリングを克服する。
- 参考スコア（独自算出の注目度）: 4.4289175002010595
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Various convolutional neural network (CNN) based concepts have been
introduced for the prostate's automatic segmentation and its coarse subdivision
into transition zone (TZ) and peripheral zone (PZ). However, when targeting a
fine-grained segmentation of TZ, PZ, distal prostatic urethra (DPU) and the
anterior fibromuscular stroma (AFS), the task becomes more challenging and has
not yet been solved at the level of human performance. One reason might be the
insufficient amount of labeled data for supervised training. Therefore, we
propose to apply a semi-supervised learning (SSL) technique named
uncertainty-aware temporal self-learning (UATS) to overcome the expensive and
time-consuming manual ground truth labeling. We combine the SSL techniques
temporal ensembling and uncertainty-guided self-learning to benefit from
unlabeled images, which are often readily available. Our method significantly
outperforms the supervised baseline and obtained a Dice coefficient (DC) of up
to 78.9% , 87.3%, 75.3%, 50.6% for TZ, PZ, DPU and AFS, respectively. The
obtained results are in the range of human inter-rater performance for all
structures. Moreover, we investigate the method's robustness against noise and
demonstrate the generalization capability for varying ratios of labeled data
and on other challenging tasks, namely the hippocampus and skin lesion
segmentation. UATS achieved superiority segmentation quality compared to the
supervised baseline, particularly for minimal amounts of labeled data.
- Abstract（参考訳）: 様々な畳み込みニューラルネットワーク(CNN)に基づく概念が、前立腺の自動分割と、その粗い部分分割をトランジションゾーン(TZ)と周辺ゾーン(PZ)に導入している。
しかし, TZ, PZ, 遠位前立腺尿道(DPU)および前線維筋肉腫(AFS)の微細な分節化を目標とすると, 課題はより困難になり, 人間のパフォーマンスのレベルではまだ解決されていない。
ひとつの理由として、教師付きトレーニングのためのラベル付きデータの不足がある。
そこで本研究では,半教師付き学習 (ssl) 手法である不確実性認識時間学習 (uats) を適用し,コストと時間を要する手話の真理ラベリングを克服する手法を提案する。
SSL技術と時間的アンサンブルと不確実性誘導型自己学習を組み合わせることで、ラベルのないイメージを活用できます。
本手法は, 教師付きベースラインよりも有意に優れ, 最大78.9%, 87.3%, 75.3%, 50.6%, TZ, PZ, DPU, AFSのDice係数が得られた。
得られた結果は、すべての構造に対する人間性能の範囲である。
さらに,この手法の雑音に対する頑健性について検討し,ラベル付きデータの比率や海馬や皮膚病変のセグメンテーションといった課題に対する一般化能力を示す。
UATSは、特に最小限のラベル付きデータに対して、教師付きベースラインよりも優れたセグメンテーション品質を実現した。
関連論文リスト
- A Novel Hybrid Parameter-Efficient Fine-Tuning Approach for Hippocampus Segmentation and Alzheimer's Disease Diagnosis [12.775565417928895]
本稿では,ハイブリッド並列およびシリアルアーキテクチャを用いたHyPSと呼ばれる,パラメータ効率の高いファインチューニング手法を提案する。
HyPSはモデルパラメータの最小限のサブセットを更新し、事前訓練されたモデルの元の知識トラクチャを保持する。
アルツハイマー病を認知正常(CN)個体と区別することで、HyPSはそれぞれ83.78%と64.29%の分類精度を達成した。
論文 参考訳（メタデータ） (2024-09-02T00:52:00Z) - Wound Tissue Segmentation in Diabetic Foot Ulcer Images Using Deep Learning: A Pilot Study [5.397013836968946]
我々は,創部組織分割アルゴリズムを評価するためのDFUT草案データセットを作成した。
データセットには110枚の画像と、創傷の専門家によってラベル付けされた組織、600枚の未ラベル画像が含まれている。
注釈付きデータの量が限られているため、我々のフレームワークは、教師付き学習(SL)と半教師付き学習(SSL)の両方のフェーズで構成されている。
論文 参考訳（メタデータ） (2024-06-23T05:01:51Z) - Incremental Self-training for Semi-supervised Learning [56.57057576885672]
ISTは単純だが有効であり、既存の自己学習に基づく半教師あり学習手法に適合する。
提案したISTを5つのデータセットと2種類のバックボーンで検証し,認識精度と学習速度を効果的に向上させる。
論文 参考訳（メタデータ） (2024-04-14T05:02:00Z) - LATTE: Label-efficient Incident Phenotyping from Longitudinal Electronic
Health Records [11.408950540503112]
本稿では, LAbel-efficienT incidenT phEnotypingアルゴリズムを提案する。
LATTEは2型糖尿病の発症、心不全、多発性硬化症の発症と再発の3つの分析に基づいて評価された。
論文 参考訳（メタデータ） (2023-05-19T03:28:51Z) - PCA: Semi-supervised Segmentation with Patch Confidence Adversarial
Training [52.895952593202054]
医用画像セグメンテーションのためのPatch Confidence Adrial Training (PCA) と呼ばれる半教師付き対向法を提案する。
PCAは各パッチの画素構造とコンテキスト情報を学習し、十分な勾配フィードバックを得る。
本手法は, 医用画像のセグメンテーションにおいて, 最先端の半教師付き手法より優れており, その有効性を示している。
論文 参考訳（メタデータ） (2022-07-24T07:45:47Z) - Boosting Facial Expression Recognition by A Semi-Supervised Progressive
Teacher [54.50747989860957]
本稿では,信頼度の高いFERデータセットと大規模未ラベル表現画像を有効訓練に用いるための半教師付き学習アルゴリズム,Progressive Teacher (PT)を提案する。
RAF-DB と FERPlus を用いた実験により,RAF-DB で89.57% の精度で最先端の性能を実現する手法の有効性が検証された。
論文 参考訳（メタデータ） (2022-05-28T07:47:53Z) - Uncertainty-Aware Deep Co-training for Semi-supervised Medical Image
Segmentation [4.935055133266873]
本研究では,モデルが意図的に領域を学習するための新しい不確実性認識方式を提案する。
具体的には,不確実性マップを得るためにモンテカルロサンプリングを推定法として利用する。
後ろ向きのプロセスでは、ネットワークの収束を加速するために、教師なしの損失と教師なしの損失を共同で処理する。
論文 参考訳（メタデータ） (2021-11-23T03:26:24Z) - A new weakly supervised approach for ALS point cloud semantic
segmentation [1.4620086904601473]
本稿では,ALS点雲のセマンティックセグメンテーションのための,ディープラーニングに基づく弱教師付きフレームワークを提案する。
不完全でスパースなラベルの対象となるラベルのないデータから潜在的情報を利用する。
本手法は, 総合精度が83.0%, 平均F1スコアが70.0%であり, それぞれ6.9%, 12.8%増加した。
論文 参考訳（メタデータ） (2021-10-04T14:00:23Z) - Medical Instrument Segmentation in 3D US by Hybrid Constrained
Semi-Supervised Learning [62.13520959168732]
3DUSにおける楽器セグメンテーションのための半教師付き学習フレームワークを提案する。
SSL学習を実現するため、Dual-UNetが提案されている。
提案手法は,Diceの約68.6%-69.1%,推定時間約1秒を実現している。
論文 参考訳（メタデータ） (2021-07-30T07:59:45Z) - A Simple Baseline for Semi-supervised Semantic Segmentation with Strong
Data Augmentation [74.8791451327354]
セマンティックセグメンテーションのためのシンプルで効果的な半教師付き学習フレームワークを提案する。
単純な設計とトレーニングのテクニックのセットは、半教師付きセマンティックセグメンテーションの性能を大幅に向上させることができる。
本手法は,Cityscapes と Pascal VOC データセットの半教師付き設定において,最先端の処理結果を実現する。
論文 参考訳（メタデータ） (2021-04-15T06:01:39Z) - Unsupervised Domain Adaptation for Speech Recognition via Uncertainty
Driven Self-Training [55.824641135682725]
WSJ をソースドメインとし,TED-Lium 3 とSWITCHBOARD を併用したドメイン適応実験を行った。
論文 参考訳（メタデータ） (2020-11-26T18:51:26Z)
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。