論文の概要: Cervical Optical Coherence Tomography Image Classification Based on
Contrastive Self-Supervised Texture Learning
- arxiv url: http://arxiv.org/abs/2108.05081v1
- Date: Wed, 11 Aug 2021 07:52:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-12 13:41:37.124496
- Title: Cervical Optical Coherence Tomography Image Classification Based on
Contrastive Self-Supervised Texture Learning
- Title(参考訳): コントラスト的自己監督型テクスチャ学習に基づく頚部光コヒーレンストモグラフィ画像分類
- Authors: Kaiyi Chen, Qingbin Wang, Yutao Ma
- Abstract要約: 本研究の目的は,コンピュータ支援診断(CADx)による頚部CT画像の自己教師付き学習に基づく分類を行うことである。
畳み込みニューラルネットワーク(CNN)によって抽出された高レベルのセマンティックな特徴に加えて、CADxアプローチでは、対照的なテクスチャ学習によって学習された未ラベルの頚部CT画像のテクスチャ特徴を利用する。
- 参考スコア(独自算出の注目度): 2.674926127069043
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background: Cervical cancer seriously affects the health of the female
reproductive system. Optical coherence tomography (OCT) emerges as a
non-invasive, high-resolution imaging technology for cervical disease
detection. However, OCT image annotation is knowledge-intensive and
time-consuming, which impedes the training process of deep-learning-based
classification models. Objective: This study aims to develop a computer-aided
diagnosis (CADx) approach to classifying in-vivo cervical OCT images based on
self-supervised learning. Methods: Besides high-level semantic features
extracted by a convolutional neural network (CNN), the proposed CADx approach
leverages unlabeled cervical OCT images' texture features learned by
contrastive texture learning. We conducted ten-fold cross-validation on the OCT
image dataset from a multi-center clinical study on 733 patients from China.
Results: In a binary classification task for detecting high-risk diseases,
including high-grade squamous intraepithelial lesion (HSIL) and cervical
cancer, our method achieved an area-under-the-curve (AUC) value of 0.9798 Plus
or Minus 0.0157 with a sensitivity of 91.17 Plus or Minus 4.99% and a
specificity of 93.96 Plus or Minus 4.72% for OCT image patches; also, it
outperformed two out of four medical experts on the test set. Furthermore, our
method achieved a 91.53% sensitivity and 97.37% specificity on an external
validation dataset containing 287 3D OCT volumes from 118 Chinese patients in a
new hospital using a cross-shaped threshold voting strategy. Conclusion: The
proposed contrastive-learning-based CADx method outperformed the end-to-end CNN
models and provided better interpretability based on texture features, which
holds great potential to be used in the clinical protocol of "see-and-treat."
- Abstract(参考訳): 背景: 頸部がんは女性生殖系の健康に深刻な影響を及ぼす。
光コヒーレンス断層撮影(OCT)は、頚部疾患検出のための非侵襲的高分解能イメージング技術として現れる。
しかし,OCT画像アノテーションは知識集約的かつ時間を要するため,ディープラーニングに基づく分類モデルの学習過程を阻害する。
目的: 本研究の目的は, 自己教師付き学習に基づく生体内oct画像の分類のためのcadxアプローチの開発である。
方法:畳み込みニューラルネットワーク(CNN)によって抽出された高レベルのセマンティックな特徴に加えて、CADxアプローチでは、対照的なテクスチャ学習によって学習された未ラベルの頚部CT画像のテクスチャ特徴を利用する。
中国から来院した733人の多施設臨床研究から,OCT画像データセットの10倍のクロスバリデーションを行った。
結果: 高悪性度扁平上皮内病変 (hsil) および頸部癌を含む高リスク疾患の検出のための2次分類タスクにおいて, 感度91.17+minus 4.99%, 特異度93.96+minus 4.72%のauc値が0.9798+またはminus 0.0157であった。
さらに,118名の中国人患者から2873dオクターボリュームの外部検証データセットに対して,クロスシェイプしきい値投票戦略を用いて91.53%の感度と97.37%の特異性を得た。
結論: コントラスト学習に基づくcadx法は, エンド・ツー・エンドのcnnモデルよりも優れており, テクスチャ特徴に基づく解釈性が向上した。
関連論文リスト
- HGT: A Hierarchical GCN-Based Transformer for Multimodal Periprosthetic
Joint Infection Diagnosis Using CT Images and Text [0.0]
補綴関節感染症(PJI)は重篤な合併症である。
現在,CT画像とPJIの数値テキストデータを組み合わせた統一診断基準が確立されていない。
本研究では,ディープラーニングとマルチモーダル技術に基づく診断手法であるHGTを紹介する。
論文 参考訳(メタデータ) (2023-05-29T11:25:57Z) - 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) - A Novel Implementation of Machine Learning for the Efficient,
Explainable Diagnosis of COVID-19 from Chest CT [0.0]
本研究の目的は、胸部CTスキャンから新型コロナウイルスを機械学習で検出することである。
提案したモデルは0.927の総合精度と0.958の感度を得た。
論文 参考訳(メタデータ) (2022-06-15T18:35:22Z) - Classification of COVID-19 Patients with their Severity Level from Chest
CT Scans using Transfer Learning [3.667495151642095]
新型コロナウイルスの感染拡大を受け、病院のベッドなど医療機器の需要が高まっている。
これを念頭に置いて、私たちは新型コロナウイルスの検出と、胸部CTスキャンとDeep Learning事前訓練モデルを用いて重症度を評価する研究を共有しています。
私たちのモデルは、新型コロナウイルスとその重症度を検出するのに役立ちます。
論文 参考訳(メタデータ) (2022-05-27T06:22:09Z) - EMT-NET: Efficient multitask network for computer-aided diagnosis of
breast cancer [58.720142291102135]
乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。
腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。
腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
論文 参考訳(メタデータ) (2022-01-13T05:24:40Z) - COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep
Convolutional Neural Network Design for Detection of COVID-19 Patient Cases
from Point-of-care Ultrasound Imaging [101.27276001592101]
我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。
実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。
リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
論文 参考訳(メタデータ) (2021-08-05T16:47:33Z) - Classification of COVID-19 in CT Scans using Multi-Source Transfer
Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。
マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。
我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文 参考訳(メタデータ) (2020-09-22T11:53:06Z) - COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for
Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。
また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
論文 参考訳(メタデータ) (2020-09-08T15:49:55Z) - A Deep Learning-Based Method for Automatic Segmentation of Proximal
Femur from Quantitative Computed Tomography Images [5.731199807877257]
我々は、エンドツーエンドの完全畳み込みニューラルネットワーク(CNN)であるV on-Netに基づく3次元画像分割法を開発した。
提案手法の有効性を評価する実験を行った。
論文 参考訳(メタデータ) (2020-06-09T21:16:47Z) - Adaptive Feature Selection Guided Deep Forest for COVID-19
Classification with Chest CT [49.09507792800059]
胸部CT画像に基づくCOVID-19分類のための適応的特徴選択ガイド付き深層林(AFS-DF)を提案する。
AFS-DF on COVID-19 data with 1495 patients of COVID-19 and 1027 patients of community acquired pneumonia (CAP)。
論文 参考訳(メタデータ) (2020-05-07T06:00:02Z) - Residual Attention U-Net for Automated Multi-Class Segmentation of
COVID-19 Chest CT Images [46.844349956057776]
新型コロナウイルス感染症(COVID-19)は世界中で急速に広がり、公衆衛生や経済に大きな影響を及ぼしている。
新型コロナウイルスによる肺感染症を効果的に定量化する研究はいまだにない。
複数の新型コロナウイルス感染症領域の自動セグメンテーションのための新しいディープラーニングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-04-12T16:24:59Z)
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。