論文の概要: A Sneak Attack on Segmentation of Medical Images Using Deep Neural Network Classifiers

• arxiv url: http://arxiv.org/abs/2201.02771v1
• Date: Sat, 8 Jan 2022 05:57:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-11 14:21:41.439394
• Title: A Sneak Attack on Segmentation of Medical Images Using Deep Neural Network Classifiers
• Title（参考訳）: ディープニューラルネットワーク分類器を用いた医用画像の分割に対するスニーク攻撃
• Authors: Shuyue Guan, Murray Loew
• Abstract要約: 我々は、セグメンテーション問題にアプローチするために、訓練された畳み込みニューラルネットワーク(CNN)分類器を使用する。 勾配重み付きクラス活性化マッピング(Grad-CAM)によるヒートマップの可視化と生成 以上の結果から,温熱マップは部分腫瘍部位の特定と分画が可能であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Instead of using current deep-learning segmentation models (like the UNet and variants), we approach the segmentation problem using trained Convolutional Neural Network (CNN) classifiers, which automatically extract important features from classified targets for image classification. Those extracted features can be visualized and formed heatmaps using Gradient-weighted Class Activation Mapping (Grad-CAM). This study tested whether the heatmaps could be used to segment the classified targets. We also proposed an evaluation method for the heatmaps; that is, to re-train the CNN classifier using images filtered by heatmaps and examine its performance. We used the mean-Dice coefficient to evaluate segmentation results. Results from our experiments show that heatmaps can locate and segment partial tumor areas. But only use of the heatmaps from CNN classifiers may not be an optimal approach for segmentation. In addition, we have verified that the predictions of CNN classifiers mainly depend on tumor areas, and dark regions in Grad-CAM's heatmaps also contribute to classification.
• Abstract（参考訳）: 現在のディープラーニングセグメンテーションモデル(UNetや変種など)の代わりに、訓練された畳み込みニューラルネットワーク(CNN)分類器を用いて、画像分類のために分類対象から重要な特徴を自動的に抽出するセグメンテーション問題にアプローチする。 抽出した特徴をGrad-CAM (Gradient-weighted Class Activation Mapping) を用いて可視化し,ヒートマップを作成する。 この研究は、分類されたターゲットを分割するためにヒートマップが使えるかどうかを検証した。 また,熱マップを用いた画像を用いてCNN分類器の再訓練を行い,その性能について検討した。 平均dice係数を用いてセグメンテーション結果の評価を行った。 以上の結果から,温熱マップは部分腫瘍部位の特定と分画が可能であった。 しかし、CNN分類器のヒートマップのみがセグメンテーションの最適アプローチではないかもしれない。 また,cnn分類器の予測が主に腫瘍領域に依存し,grad-camのヒートマップの暗領域も分類に寄与していることを確認した。

関連論文リスト

• Spatial Action Unit Cues for Interpretable Deep Facial Expression Recognition [55.97779732051921]
  表情認識(FER)のための最先端の分類器は、エンドユーザーにとって重要な特徴である解釈可能性に欠ける。 新しい学習戦略が提案され、AU cues を分類器訓練に明示的に組み込むことで、深い解釈可能なモデルを訓練することができる。 我々の新しい戦略は汎用的であり、アーキテクチャの変更や追加のトレーニング時間を必要とすることなく、ディープCNNやトランスフォーマーベースの分類器に適用できます。
  論文  参考訳（メタデータ） (2024-10-01T10:42:55Z)
• Leveraging CAM Algorithms for Explaining Medical Semantic Segmentation [4.818865062632567]
  畳み込みニューラルネットワーク(CNN)は、近年のセグメンテーションタスクにおいて、一般的な結果を実現している。 CNNを解釈する1つの方法は、ヒートマップを表すクラスアクティベーションマップ(CAM)を使用することである。 本稿では,既存の分類法とセグメンテーションに基づく手法の間で,より詳細で説明可能な,一貫性のある結果の転送を提案する。
  論文  参考訳（メタデータ） (2024-09-30T13:43:00Z)
• An Explainable Model-Agnostic Algorithm for CNN-based Biometrics Verification [55.28171619580959]
  本稿では,生体認証環境下でのLIME(Local Interpretable Model-Agnostic Explanations)AI手法の適用について述べる。
  論文  参考訳（メタデータ） (2023-07-25T11:51:14Z)
• SegPrompt: Using Segmentation Map as a Better Prompt to Finetune Deep Models for Kidney Stone Classification [62.403510793388705]
  深層学習は、内視鏡画像を用いた腎臓結石分類のための奨励的な結果を生み出している。 注釈付きトレーニングデータの不足は、トレーニングされたモデルの性能と一般化能力を改善する上で深刻な問題を引き起こす。 本稿では,セグメンテーションマップを2つの側面から活用することにより,データ不足問題を軽減するためにSegPromptを提案する。
  論文  参考訳（メタデータ） (2023-03-15T01:30:48Z)
• Image Forgery Detection with Interpretability [8.122270502556374]
  コピー・ムーブ・フォージェリーとインペインティング・ベース・フォージェリーの両方を検出することを検討する。 分類に加え、偽造検出の解釈可能性にも焦点が当てられている。
  論文  参考訳（メタデータ） (2022-02-02T08:16:50Z)
• Weakly-supervised fire segmentation by visualizing intermediate CNN layers [82.75113406937194]
  画像やビデオにおける火の局所化は、火災事故に対処するための自律システムにとって重要なステップである。 我々は,ネットワークのトレーニングに画像ラベルのみを使用する,画像中の火の弱い制御セグメント化について検討する。 CNNの中間層における特徴量の平均値は,2値セグメンテーション問題である火災セグメンテーションの場合,従来のクラスアクティベーションマッピング(CAM)法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-11-16T11:56:28Z)
• Attention on Classification for Fire Segmentation [82.75113406937194]
  本稿では,画像中の火災の分類とセグメンテーションのための畳み込みニューラルネットワーク(CNN)を提案する。 我々は,空間的自己認識機構を用いて画素間の長距離依存性を捉えるとともに,分類確率を注目重みとして利用する新しいチャネルアテンションモジュールを提案する。
  論文  参考訳（メタデータ） (2021-11-04T19:52:49Z)
• Minimizing false negative rate in melanoma detection and providing insight into the causes of classification [0.5621251909851629]
  私たちの目標は、メラノーマ検出で人間とマシンインテリジェンスを橋渡しすることです。 我々は,視覚前処理,深層学習,アンサンブルを組み合わせた分類システムを開発し,専門家に説明を提供する。
  論文  参考訳（メタデータ） (2021-02-18T07:46:34Z)
• Region Growing with Convolutional Neural Networks for Biomedical Image Segmentation [1.5469452301122177]
  本稿では,各座標方向の予測マスク領域を反復的に成長させることにより,畳み込みニューラルネットワーク(CNN)を用いてセグメンテーションを行う手法を提案する。 我々は、CNNの確率スコアのしきい値を用いて、その領域にピクセルが追加され、その領域に新しいピクセルが加わらないまで繰り返し続けるかどうかを判定する。 本手法は,少量のトレーニングデータを活用するとともに,計算効率を保ちながら,高いセグメンテーション精度を達成し,生物学的に現実的な形態的特徴を維持できる。
  論文  参考訳（メタデータ） (2020-09-23T17:53:00Z)
• Towards Interpretable Semantic Segmentation via Gradient-weighted Class Activation Mapping [71.91734471596432]
  本稿では,セマンティックセグメンテーションの解法としてSEG-GRAD-CAMを提案する。 本手法は,各画素のセグメンテーションに対する関連性を示すヒートマップを作成するために局所的に適用された広く使われているGrad-CAM法の拡張である。
  論文  参考訳（メタデータ） (2020-02-26T12:32:40Z)

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。