論文の概要: Adaptive Contrast for Image Regression in Computer-Aided Disease Assessment

• arxiv url: http://arxiv.org/abs/2112.11700v1
• Date: Wed, 22 Dec 2021 07:13:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-23 15:27:26.324530
• Title: Adaptive Contrast for Image Regression in Computer-Aided Disease Assessment
• Title（参考訳）: コンピュータ支援疾患評価における画像回帰のための適応コントラスト
• Authors: Weihang Dai, Xiaomeng Li, Wan Hang Keith Chiu, Michael D. Kuo, Kwang-Ting Cheng
• Abstract要約: 深部画像回帰のための最初のコントラスト学習フレームワーク,すなわちAdaConを提案する。 AdaConは、新しいアダプティブマージンコントラスト損失と回帰予測ブランチによる特徴学習ブランチで構成されている。 AdaConの2つの医用画像回帰作業における効果を実証する。
• 参考スコア（独自算出の注目度）: 22.717658723840255
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image regression tasks for medical applications, such as bone mineral density (BMD) estimation and left-ventricular ejection fraction (LVEF) prediction, play an important role in computer-aided disease assessment. Most deep regression methods train the neural network with a single regression loss function like MSE or L1 loss. In this paper, we propose the first contrastive learning framework for deep image regression, namely AdaCon, which consists of a feature learning branch via a novel adaptive-margin contrastive loss and a regression prediction branch. Our method incorporates label distance relationships as part of the learned feature representations, which allows for better performance in downstream regression tasks. Moreover, it can be used as a plug-and-play module to improve performance of existing regression methods. We demonstrate the effectiveness of AdaCon on two medical image regression tasks, ie, bone mineral density estimation from X-ray images and left-ventricular ejection fraction prediction from echocardiogram videos. AdaCon leads to relative improvements of 3.3% and 5.9% in MAE over state-of-the-art BMD estimation and LVEF prediction methods, respectively.
• Abstract（参考訳）: 骨密度(BMD)推定や左室放出率(LVEF)予測などの医療応用のための画像回帰タスクは,コンピュータ支援疾患評価において重要な役割を担っている。 ほとんどの深い回帰法は、MSEやL1損失のような単一の回帰損失関数でニューラルネットワークを訓練する。 本稿では,新しい適応マージンコントラスト損失と回帰予測分枝による特徴学習分枝からなる,深部画像回帰のための最初のコントラスト学習フレームワーク adacon を提案する。 提案手法は,学習した特徴表現の一部としてラベル距離関係を組み込むことで,下流回帰タスクの性能を向上させる。 さらに、既存のレグレッションメソッドのパフォーマンスを改善するために、プラグアンドプレイモジュールとして使うことができる。 我々は,AdaConがX線画像からの骨密度推定と心エコービデオからの左室放出率予測の2つの医療画像回帰作業における効果を実証した。 adacon は最新の bmd 推定法と lvef 予測法と比較して mae の 3.3% と 5.9% の相対的改善をもたらす。

関連論文リスト

• Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
  本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。 提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。 医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2024-03-19T09:28:19Z)
• Content-Based Medical Image Retrieval with Opponent Class Adaptive Margin Loss [0.0]
  本稿では,OCAM(Opponent Class Adaptive Margin)損失に基づく医用画像リポジトリの自動クエリのためのトリプルトラーニング手法を提案する。 OCAMのCBIR性能を3つの公開データベース上での表現学習における最先端の損失関数と比較した。
  論文  参考訳（メタデータ） (2022-11-22T17:05:30Z)
• Learning to segment with limited annotations: Self-supervised pretraining with regression and contrastive loss in MRI [1.419070105368302]
  ディープラーニングモデルを駆動し、異なる表現を学習するための事前学習アプローチを2つ検討する。 磁気共鳴(MR)画像を用いた2つの下流セグメンテーションアプリケーションにおいて,プレトレーニング手法の効果を評価する。 我々は,ラベル付きデータセットが少ない場合に,自己スーパービジョンを用いて事前訓練したDLモデルを同等の性能で微調整できることを示した。
  論文  参考訳（メタデータ） (2022-05-26T02:23:14Z)
• Poseur: Direct Human Pose Regression with Transformers [119.79232258661995]
  単一画像からの2次元人間のポーズ推定に対する直接回帰に基づくアプローチを提案する。 私たちのフレームワークはエンドツーエンドの差別化が可能で、キーポイント間の依存関係を自然に活用することを学びます。 我々のアプローチは、最も優れたヒートマップベースのポーズ推定手法と比較して好意的に機能する最初の回帰ベースのアプローチである。
  論文  参考訳（メタデータ） (2022-01-19T04:31:57Z)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)
• Human Pose Regression with Residual Log-likelihood Estimation [48.30425850653223]
  本稿では,Residual Log-likelihood Estimation (RLE) を用いた新たな回帰パラダイムを提案する。 RLEは、トレーニングプロセスを容易にするために、未参照の基盤となる分布ではなく、分布の変化を学習する。 従来の回帰パラダイムと比較して、RLEによる回帰はテスト時間オーバーヘッドを伴わずに、MSCOCOに12.4mAPの改善をもたらす。
  論文  参考訳（メタデータ） (2021-07-23T15:06:31Z)
• About Explicit Variance Minimization: Training Neural Networks for Medical Imaging With Limited Data Annotations [2.3204178451683264]
  VAT(Variance Aware Training)法は、モデル損失関数に分散誤差を導入することにより、この特性を利用する。 多様な領域から得られた3つの医用画像データセットと様々な学習目標に対するVATの有効性を検証した。
  論文  参考訳（メタデータ） (2021-05-28T21:34:04Z)
• Regression Bugs Are In Your Model! Measuring, Reducing and Analyzing Regressions In NLP Model Updates [68.09049111171862]
  この研究は、NLPモデル更新における回帰エラーの定量化、低減、分析に重点を置いている。 回帰フリーモデル更新を制約付き最適化問題に定式化する。 モデルアンサンブルが回帰を減らす方法を実証的に分析します。
  論文  参考訳（メタデータ） (2021-05-07T03:33:00Z)
• Adversarial Regression Learning for Bone Age Estimation [6.942003070153651]
  骨年齢推定のための逆回帰学習ネットワーク(ARLNet)を提案する。 具体的には、微調整されたインセプションV3ニューラルネットワークから骨の特徴を抽出します。 次に,学習データからテストデータへの遷移を保証するために,逆回帰損失と特徴再構成損失を提案する。
  論文  参考訳（メタデータ） (2021-03-10T15:58:26Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。