論文の概要: Unifying domain adaptation and self-supervised learning for CXR
segmentation via AdaIN-based knowledge distillation
- arxiv url: http://arxiv.org/abs/2104.05892v1
- Date: Tue, 13 Apr 2021 01:53:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-14 13:38:19.530615
- Title: Unifying domain adaptation and self-supervised learning for CXR
segmentation via AdaIN-based knowledge distillation
- Title（参考訳）: AdaINを用いた知識蒸留によるCXRセグメンテーションのためのドメイン適応と自己教師型学習
- Authors: Yujin Oh and Jong Chul Ye
- Abstract要約: AdaINに基づくナレッジ蒸留による新しいセグ・メンテーション・フレームワークを提案する。
AdaINレイヤを持つ単一のジェネレータは、AdaINコードジェネレータとスタイルエンコーダと共にトレーニングされ、ジェネレータはドメイン適応とセグメンテーションの両方を実行することができる。
CXRデータを用いた実験結果により、訓練されたネットワークは、正常および異常なCXR画像の両方に対して最先端のセグメンテーション/フォーマンスを達成できることを確認した。
- 参考スコア（独自算出の注目度）: 35.822453507464374
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As the segmentation labels are scarce, extensive researches have been
conducted to train segmentation networks without labels or with only limited
labels. In particular, domain adaptation, self-supervised learning, and
teacher-student architecture have been intro- duced to distill knowledge from
various tasks to improve the segmentation performance. However, these
approaches appear different from each other, so it is not clear how these
seemingly different approaches can be combined for better performance. Inspired
by the recent StarGANv2 for multi-domain image translation, here we propose a
novel seg- mentation framework via AdaIN-based knowledge distillation, where a
single generator with AdaIN layers is trained along with the AdaIN code
generator and style encoder so that the generator can perform both domain
adaptation and segmentation. Specifically, our framework is designed to deal
with difficult situations in chest X-ray (CXR) seg- mentation tasks where
segmentation masks are only available for normal CXR data, but the trained
model should be applied for both normal and abnormal CXR images. Since a single
generator is used for abnormal to normal domain conversion and segmentation by
simply changing the AdaIN codes, the generator can synergistically learn the
com- mon features to improve segmentation performance. Experimental results
using CXR data confirm that the trained network can achieve the state-of-the
art segmentation per- formance for both normal and abnormal CXR images.
- Abstract（参考訳）: セグメンテーションラベルは少ないため、ラベル無しまたは限定ラベルのみでセグメンテーションネットワークを訓練するための広範な研究が行われている。
特に、ドメイン適応、自己指導型学習、教員学生アーキテクチャは、様々なタスクから知識を抽出し、セグメンテーション性能を向上させるために内製されている。
しかし、これらのアプローチは互いに異なるように見えるため、これらの一見異なるアプローチがより良いパフォーマンスのためにどのように組み合わせられるかは明らかではない。
本稿では,AdaINをベースとした知識蒸留による新しいセグメンテーションフレームワークを提案する。AdaINコード生成器とスタイルエンコーダとともに,AdaINレイヤを持つ単一ジェネレータをトレーニングすることで,生成器がドメイン適応とセグメンテーションの両方を実行することができる。
具体的には,胸部X線(CXR)セグメンテーションタスクにおいて,通常のCXRデータに対してのみセグメンテーションマスクが利用可能である場合の難易度に対処するために,トレーニングモデルを適用し,正常なCXR画像と異常なCXR画像の両方に適用すべきである。
単一のジェネレータは、AdaINコードを変更するだけで通常のドメイン変換やセグメンテーションの異常に使用されるため、コンモン特徴を相乗的に学習してセグメンテーション性能を向上させることができる。
CXRデータを用いた実験結果から,通常のCXR画像と異常なCXR画像の両方に対して,トレーニングされたネットワークが,術式ごとのセグメンテーションを達成できることが確認された。
関連論文リスト
- Unsupervised Segmentation of Fetal Brain MRI using Deep Learning
Cascaded Registration [2.494736313545503]
従来の深層学習に基づく自動セグメンテーションは、グランドトラストラベルによる広範なトレーニングデータを必要とする。
ラベル付きデータに頼らずに複数の組織を正確にセグメンテーションするマルチアトラスセグメンテーションに基づく新しい手法を提案する。
提案手法では,3次元画像登録のためのカスケード深層学習ネットワークを用いて,移動画像への小さなインクリメンタルな変形を計算し,それを固定画像と正確に整合させる。
論文 参考訳（メタデータ） (2023-07-07T13:17:12Z) - Unified Mask Embedding and Correspondence Learning for Self-Supervised
Video Segmentation [76.40565872257709]
我々は、局所的な識別的特徴学習のためのフレーム間密度対応を同時にモデル化する統合フレームワークを開発する。
ラベルなしビデオから直接マスク誘導シーケンシャルセグメンテーションを実行することができる。
我々のアルゴリズムは、2つの標準ベンチマーク(DAVIS17とYouTube-VOS)に最先端をセットする。
論文 参考訳（メタデータ） (2023-03-17T16:23:36Z) - Self-Supervised Correction Learning for Semi-Supervised Biomedical Image
Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。
共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。
異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文 参考訳（メタデータ） (2023-01-12T08:19:46Z) - Beyond the Prototype: Divide-and-conquer Proxies for Few-shot
Segmentation [63.910211095033596]
少ないショットのセグメンテーションは、少数の濃密なラベル付けされたサンプルのみを与えられた、目に見えないクラスオブジェクトをセグメンテーションすることを目的としている。
分割・分散の精神において, 単純かつ多目的な枠組みを提案する。
提案手法は、DCP(disvision-and-conquer proxies)と呼ばれるもので、適切な信頼性のある情報の開発を可能にする。
論文 参考訳（メタデータ） (2022-04-21T06:21:14Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳（メタデータ） (2022-04-19T10:41:09Z) - AF$_2$: Adaptive Focus Framework for Aerial Imagery Segmentation [86.44683367028914]
航空画像のセグメンテーションにはいくつかの独特な課題があり、中でも最も重要なものは前景と背景のアンバランスにある。
本稿では,階層的なセグメンテーション手法を採用し,マルチスケール表現を適応的に活用するAdaptive Focus Framework (AF$)を提案する。
AF$は、広く使われている3つの航空ベンチマークの精度を大幅に改善した。
論文 参考訳（メタデータ） (2022-02-18T10:14:45Z) - Unsupervised Cross-Modality Domain Adaptation for Segmenting Vestibular
Schwannoma and Cochlea with Data Augmentation and Model Ensemble [4.942327155020771]
本稿では,前庭神経新生と子牛を識別する教師なし学習フレームワークを提案する。
本フレームワークは,T1強調MRI(ceT1-w)とそのラベルからの情報を活用し,対象領域にラベルが存在しないT2強調MRIのセグメンテーションを生成する。
提案手法は,VS と cochlea のそれぞれの平均値 0.7930 と 0.7432 で,有望なセグメンテーションの構築と生成が容易である。
論文 参考訳（メタデータ） (2021-09-24T20:10:05Z) - Deep Variational Instance Segmentation [7.334808870313923]
State-of-the-artアルゴリズムは、しばしば2つの別々のステージを使用し、最初の1つはオブジェクトの提案を生成し、もう1つは境界を認識して修正する。
完全畳み込みネットワーク(FCN)を直接利用して,インスタンスラベルを予測する新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-07-22T17:57:49Z) - Weakly-Supervised Segmentation for Disease Localization in Chest X-Ray
Images [0.0]
医用胸部X線画像のセマンティックセグメンテーションに対する新しいアプローチを提案する。
本手法は肺と胸壁の間の異常な空気量を検出するための胸部X線検査に適用可能である。
論文 参考訳（メタデータ） (2020-07-01T20:48:35Z) - An Auto-Encoder Strategy for Adaptive Image Segmentation [18.333542893112007]
本稿では,離散表現学習問題としてセグメンテーションの新たな視点を提案する。
フレキシブルで適応的な自動エンコーダセグメンテーション戦略を提案する。
我々はマルコフランダム場先行が空間的に独立な先行よりもはるかに優れた結果が得られることを示した。
論文 参考訳（メタデータ） (2020-04-29T00:53:24Z)
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。