論文の概要: Knowledge-Guided Multiview Deep Curriculum Learning for Elbow Fracture Classification

• arxiv url: http://arxiv.org/abs/2110.10383v1
• Date: Wed, 20 Oct 2021 05:42:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-22 17:42:31.623019
• Title: Knowledge-Guided Multiview Deep Curriculum Learning for Elbow Fracture Classification
• Title（参考訳）: 肘骨折分類のための知識指導型多視点深部学習
• Authors: Jun Luo, Gene Kitamura, Dooman Arefan, Emine Doganay, Ashok Panigrahy, Shandong Wu
• Abstract要約: 肘部骨折の診断には, 肘X線像の正面像と側方像の両方を撮影する必要があることが多い。 肘骨折サブタイプ分類課題に対する多視点深層学習法を提案する。
• 参考スコア（独自算出の注目度）: 4.305082635886227
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Elbow fracture diagnosis often requires patients to take both frontal and lateral views of elbow X-ray radiographs. In this paper, we propose a multiview deep learning method for an elbow fracture subtype classification task. Our strategy leverages transfer learning by first training two single-view models, one for frontal view and the other for lateral view, and then transferring the weights to the corresponding layers in the proposed multiview network architecture. Meanwhile, quantitative medical knowledge was integrated into the training process through a curriculum learning framework, which enables the model to first learn from "easier" samples and then transition to "harder" samples to reach better performance. In addition, our multiview network can work both in a dual-view setting and with a single view as input. We evaluate our method through extensive experiments on a classification task of elbow fracture with a dataset of 1,964 images. Results show that our method outperforms two related methods on bone fracture study in multiple settings, and our technique is able to boost the performance of the compared methods. The code is available at https://github.com/ljaiverson/multiview-curriculum.
• Abstract（参考訳）: 肘関節骨折の診断には、前側と横側の両方のx線撮影が必要となることが多い。 本稿では,肘骨折サブタイプ分類タスクに対する多視点深層学習手法を提案する。 提案手法では,まず前景と横景の2つの単視点モデルをトレーニングし,その後,提案するマルチビューネットワークアーキテクチャの対応するレイヤに重みを移すことで,転送学習を活用する。 一方、定量的な医学知識はカリキュラム学習フレームワークを通じてトレーニングプロセスに統合され、モデルがまず"より簡単"なサンプルから学び、次に"より難しい"サンプルに移行してパフォーマンスが向上する。 さらに、マルチビューネットワークはデュアルビュー設定でも、入力として単一のビューでも動作可能である。 肘関節骨折の分類課題を1,964枚の画像を用いて広範囲な実験により評価した。 以上の結果から, 本手法は, 骨骨折研究において, 関連する2つの方法に勝ることを示し, 比較法の性能を高めることができた。 コードはhttps://github.com/ljaiverson/multiview-curriculumで入手できる。

関連論文リスト

• Joint chest X-ray diagnosis and clinical visual attention prediction with multi-stage cooperative learning: enhancing interpretability [2.64700310378485]
  胸部X線検査における関節疾患診断のための新しい深層学習フレームワークと対応する視力マップの予測について紹介する。 具体的には、DenseNet201バックボーンとResidualおよびSqueeze-and-Excitationブロックベースのエンコーダの両方を活用する、新しいデュアルエンコーダマルチタスクUNetを設計した。 実験の結果,提案手法は胸部X線診断や視力マップの精度に優れていた。
  論文  参考訳（メタデータ） (2024-03-25T17:31:12Z)
• Towards Robust Natural-Looking Mammography Lesion Synthesis on Ipsilateral Dual-Views Breast Cancer Analysis [1.1098503592431275]
  マンモグラフィ分類タスクの2つの主要な課題は、マルチビューマンモグラフィ情報とクラスアンバランスハンドリングを活用することである。 補助的な視点から低レベル特徴情報を活用することにより,検討された視点(メインビュー)を強化するための,単純だが斬新な手法を提案する。 また, 単純ながら新規なマンモグラム合成フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-07T06:33:30Z)
• Learning Discriminative Representation via Metric Learning for Imbalanced Medical Image Classification [52.94051907952536]
  本稿では,特徴抽出器がより識別的な特徴表現を抽出するのを助けるために,2段階フレームワークの第1段階にメトリック学習を組み込むことを提案する。 主に3つの医用画像データセットを用いて実験したところ、提案手法は既存の1段階と2段階のアプローチより一貫して優れていた。
  論文  参考訳（メタデータ） (2022-07-14T14:57:01Z)
• Stain based contrastive co-training for histopathological image analysis [61.87751502143719]
  本稿では,ヒストリボリューション画像の分類のための,新しい半教師付き学習手法を提案する。 我々は、半教師付き学習フレームワークを作成するために、パッチレベルのアノテーションと、新しいコトレーニング損失を併用した強力な監視を採用する。 透明細胞腎細胞および前立腺癌に対するアプローチを評価し,最先端の半教師あり学習法の改善を実証した。
  論文  参考訳（メタデータ） (2022-06-24T22:25:31Z)
• Medical Knowledge-Guided Deep Curriculum Learning for Elbow Fracture Diagnosis from X-Ray Images [4.5617336730758735]
  肘X線画像から肘骨折を診断するための新しい深層学習法を提案する。 本手法では,各トレーニングエポックの開始時に,リプレースせずにサンプリングによってトレーニングデータを置換する。 各トレーニングサンプルのサンプリング確率は、ヒトの専門家による臨床知識に基づいて構築されたスコア基準によって導かれる。
  論文  参考訳（メタデータ） (2021-10-20T05:24:35Z)
• Partner-Assisted Learning for Few-Shot Image Classification [54.66864961784989]
  人間の視覚能力を模倣し、徹底的な人間のアノテーションを必要とせずに効果的なモデルを学ぶために、わずかなショットラーニングが研究されている。 本稿では,新しいクラスのプロトタイプをラベル付きサンプルから推定できるように,要素表現を得るためのトレーニング戦略の設計に焦点をあてる。 本稿では,まずパートナーエンコーダのペアワイド類似性をモデル化し,ソフトアンカーとして機能する特徴を抽出し,その出力をソフトアンカーと整列させ,分類性能を最大化しようとする2段階トレーニング手法を提案する。
  論文  参考訳（メタデータ） (2021-09-15T22:46:19Z)
• Distribution Alignment: A Unified Framework for Long-tail Visual Recognition [52.36728157779307]
  長尾視覚認識のための分散アライメント戦略を提案する。 次に,二段階学習における一般化された再重み付け法を導入して,事前のクラスバランスをとる。 提案手法は, 4つの認識タスクすべてにおいて, 単純で統一されたフレームワークを用いて最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-03-30T14:09:53Z)
• A Multi-Stage Attentive Transfer Learning Framework for Improving COVID-19 Diagnosis [49.3704402041314]
  新型コロナの診断を改善するための多段階集中移動学習フレームワークを提案する。 提案するフレームワークは、複数のソースタスクと異なるドメインのデータから知識を学習し、正確な診断モデルを訓練する3つの段階からなる。 本稿では,肺CT画像のマルチスケール表現を学習するための自己教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2021-01-14T01:39:19Z)
• MultiMix: Sparingly Supervised, Extreme Multitask Learning From Medical Images [13.690075845927606]
  本稿では,病気の分類と解剖学的分類を軽視的に学習する新しいマルチタスク学習モデルであるMultiMixを提案する。 胸部X線画像からの肺炎の分類と肺の分画に対するマルチタスキングモデルの有効性について検討した。
  論文  参考訳（メタデータ） (2020-10-28T03:47:29Z)
• Medical-based Deep Curriculum Learning for Improved Fracture Classification [36.54112505898611]
  我々は,X線画像から大腿骨近位部骨折の分類を支援するために,カリキュラム学習に依存するいくつかの戦略を提案し,比較する。 我々の戦略は、複数の専門家の注釈における医学的決定木や矛盾といった知識から導かれる。 以上の結果から,一様戦略とランダム戦略と比較して,医療知識に基づくカリキュラムの精度は最大15%向上した。
  論文  参考訳（メタデータ） (2020-04-01T14:56:43Z)
• Unpaired Multi-modal Segmentation via Knowledge Distillation [77.39798870702174]
  本稿では,不対向画像分割のための新しい学習手法を提案する。 提案手法では,CTおよびMRI間での畳み込みカーネルの共有により,ネットワークパラメータを多用する。 我々は2つの多クラスセグメンテーション問題に対するアプローチを広範囲に検証した。
  論文  参考訳（メタデータ） (2020-01-06T20:03:17Z)

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。