論文の概要: Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis

• arxiv url: http://arxiv.org/abs/2112.10325v1
• Date: Mon, 20 Dec 2021 03:38:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-21 17:54:53.775088
• Title: Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis
• Title（参考訳）: 自己監督型医用CT合成のための増感的相互蒸留法
• Authors: Chaowei Fang, Liang Wang, Dingwen Zhang, Jun Xu, Yixuan Yuan, Junwei Han
• Abstract要約: 本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
• 参考スコア（独自算出の注目度）: 88.39466012709205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to the constraints of the imaging device and high cost in operation time, computer tomography (CT) scans are usually acquired with low intra-slice resolution. Improving the intra-slice resolution is beneficial to the disease diagnosis for both human experts and computer-aided systems. To this end, this paper builds a novel medical slice synthesis to increase the between-slice resolution. Considering that the ground-truth intermediate medical slices are always absent in clinical practice, we introduce the incremental cross-view mutual distillation strategy to accomplish this task in the self-supervised learning manner. Specifically, we model this problem from three different views: slice-wise interpolation from axial view and pixel-wise interpolation from coronal and sagittal views. Under this circumstance, the models learned from different views can distill valuable knowledge to guide the learning processes of each other. We can repeat this process to make the models synthesize intermediate slice data with increasing inter-slice resolution. To demonstrate the effectiveness of the proposed approach, we conduct comprehensive experiments on a large-scale CT dataset. Quantitative and qualitative comparison results show that our method outperforms state-of-the-art algorithms by clear margins.
• Abstract（参考訳）: 撮像装置の制約や動作時間のコストが高いため、コンピュータトモグラフィ(ct)スキャンは通常、スライス内分解能が低い状態で取得される。 スライス内分解能の改善は、人間の専門家とコンピュータ支援システムの両方の疾患診断に有用である。 そこで本稿では,スライス間分解能を向上させるための新しい医用スライス合成法を提案する。 臨床実践において, 根本的中途半端な医療スライスは常に欠落していることを考慮し, 自己指導型学習方式で, 相互蒸留戦略を段階的に導入する。 具体的には、軸方向からのスライス方向の補間とコロナ方向と矢状方向の補間の3つの異なる視点からこの問題をモデル化する。 この状況下で、異なる視点から学んだモデルは、互いの学習プロセスを導くために貴重な知識を蒸留することができる。 このプロセスを繰り返すことで、モデルが中間スライスデータを合成し、スライス間の解像度を高めることができる。 提案手法の有効性を示すため,大規模CTデータセットの総合的な実験を行った。 定量的・定性的に比較した結果,本手法は最先端アルゴリズムをクリアマージンで上回っていることがわかった。

関連論文リスト

• Deep Few-view High-resolution Photon-counting Extremity CT at Halved Dose for a Clinical Trial [8.393536317952085]
  ニュージーランドの臨床試験において,PCCT画像の半減量と2倍の速度で再現する深層学習に基づくアプローチを提案する。 本稿では,GPUメモリの制限を緩和するパッチベースのボリュームリファインメントネットワーク,合成データを用いたトレーニングネットワーク,およびモデルベースの反復リファインメントを用いて,合成データと実世界のギャップを埋める。
  論文  参考訳（メタデータ） (2024-03-19T00:07:48Z)
• Simple 2D Convolutional Neural Network-based Approach for COVID-19 Detection [8.215897530386343]
  本研究では,肺CT画像解析におけるディープラーニング技術の利用について検討した。 我々は,CTスキャンに適した高度な空間スライス特徴学習(SSFL++)フレームワークを提案する。 本研究の目的は,CTスキャン全体のアウト・オブ・ディストリビューション(OOD)データをフィルタリングし,データ冗長性を70%削減して解析に不可欠な空間スライス特徴を選択することである。
  論文  参考訳（メタデータ） (2024-03-17T14:34:51Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Self-supervised Model Based on Masked Autoencoders Advance CT Scans Classification [0.0]
  本稿では,自己教師付き学習アルゴリズムMAEに着想を得た。 ImageNetで事前トレーニングされたMAEモデルを使用して、CT Scansデータセット上で転送学習を実行する。 この方法はモデルの一般化性能を改善し、小さなデータセットに過度に適合するリスクを回避する。
  論文  参考訳（メタデータ） (2022-10-11T00:52:05Z)
• 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)
• Micro-CT Synthesis and Inner Ear Super Resolution via Generative Adversarial Networks and Bayesian Inference [3.797382187289074]
  既存の医用画像の超解像法は、完全に教師された方法でマッピングを学ぶために、低解像度画像と高解像度画像のペアに依存している。 本稿では,非ペアデータを用いた現実シナリオにおける超解像問題に対処し,時間的骨構造の高分解能マイクロCT画像の合成を行う。
  論文  参考訳（メタデータ） (2020-10-27T07:18:34Z)
• Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
  ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。 臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。 そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2020-10-09T14:39:27Z)
• Assignment Flow for Order-Constrained OCT Segmentation [0.0]
  網膜層厚の同定は、患者ごとに個別に行う重要な課題である。 自動セグメンテーションモデルの構築は,医用画像処理分野において重要な課題となっている。 我々は、秩序に制約された3D OCT網膜細胞層セグメンテーションのための新しい、純粋にデータ駆動型テキスト幾何学的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-10T01:57:53Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。