Fugu-MT 論文翻訳(概要): Lesion Localization in OCT by Semi-Supervised Object Detection

論文の概要: Lesion Localization in OCT by Semi-Supervised Object Detection

arxiv url: http://arxiv.org/abs/2204.11227v1
Date: Sun, 24 Apr 2022 09:39:28 GMT
ステータス: 処理完了
システム内更新日: 2022-04-27 02:08:44.526747
Title: Lesion Localization in OCT by Semi-Supervised Object Detection
Title（参考訳）: 半監督物体検出によるOCTの病変局在化
Authors: Yue Wu and Yang Zhou and Jianchun Zhao and Jingyuan Yang and Weihong Yu and Youxin Chen and Xirong Li
Abstract要約: 本稿では,OCT画像の病変局在化に半教師付き物体検出(SSOD)を用いるための最初の研究について述べる。 OCT-SSは、1k以上の専門家ラベル付きCTBスキャン画像と13k以上の未ラベルのBスキャンからなる新しいデータセットである。
参考スコア（独自算出の注目度）: 16.375509215973764
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Over 300 million people worldwide are affected by various retinal diseases. By noninvasive Optical Coherence Tomography (OCT) scans, a number of abnormal structural changes in the retina, namely retinal lesions, can be identified. Automated lesion localization in OCT is thus important for detecting retinal diseases at their early stage. To conquer the lack of manual annotation for deep supervised learning, this paper presents a first study on utilizing semi-supervised object detection (SSOD) for lesion localization in OCT images. To that end, we develop a taxonomy to provide a unified and structured viewpoint of the current SSOD methods, and consequently identify key modules in these methods. To evaluate the influence of these modules in the new task, we build OCT-SS, a new dataset consisting of over 1k expert-labeled OCT B-scan images and over 13k unlabeled B-scans. Extensive experiments on OCT-SS identify Unbiased Teacher (UnT) as the best current SSOD method for lesion localization. Moreover, we improve over this strong baseline, with mAP increased from 49.34 to 50.86.
Abstract（参考訳）: 世界中の3億人以上が様々な網膜疾患に罹患している。非侵襲性光コヒーレンス・トモグラフィー(OCT)スキャンにより、網膜の異常な構造変化、すなわち網膜病変を同定することができる。したがって,OCTにおける病変の自動局在は早期網膜疾患の検出に重要である。深層学習における手動アノテーションの欠如を克服するために, OCT画像の病変局所化に半教師付き物体検出(SSOD)を利用するための最初の研究を行った。そこで我々は,現在のSSOD手法の統一的かつ構造化された視点を提供する分類法を開発し,その結果,これらの手法の主要なモジュールを同定する。新しいタスクにおけるこれらのモジュールの影響を評価するために,1k以上の専門家ラベル付きCTBスキャン画像と13k以上の未ラベルのBスキャン画像からなる新しいデータセットであるOCT-SSを構築した。 OCT-SSの広範囲にわたる実験は、Unbiased Teacher (UnT) を病変局所化のための最良のSSOD法として同定している。さらに,この強力なベースラインに対して,マップを49.34から50.86に増やした。

関連論文リスト

Enhancing Retinal Disease Classification from OCTA Images via Active Learning Techniques [0.8035416719640156]
高齢のアメリカ人では眼疾患が一般的であり、視力や視力の低下につながることがある。光コヒーレンス・トモグラフィ・アンギオグラフィー(OCTA)により、臨床医が網膜血管の高品質な画像を取得することができる画像技術の最近の進歩 OCTAは、一般的なOCT画像から得られる構造情報と比較して、詳細な血管画像を提供する。
論文参考訳（メタデータ） (2024-07-21T23:24:49Z)
Class Activation Map-based Weakly supervised Hemorrhage Segmentation using Resnet-LSTM in Non-Contrast Computed Tomography images [0.06269281581001895]
非造影CT(non-contrast CT, NCCT)による重症度評価にて頭蓋内出血を診断した。ディープラーニング(DL)ベースの手法は大きな可能性を示しているが、トレーニングには大量の手書きの病変レベルラベルが必要である。画像レベルのバイナリ分類ラベルを用いて,NCCTスキャン上でのICHセグメンテーションの弱教師付きDL手法を提案する。
論文参考訳（メタデータ） (2023-09-28T17:32:19Z)
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)
Retinal Image Segmentation with Small Datasets [25.095695898777656]
糖尿病黄斑浮腫(DME)、加齢関連黄斑変性(AMD)、緑内障などの多くの眼疾患が網膜に出現し、不可逆的な失明や中心バージョンに深刻な障害を引き起こす。オプティカルコヒーレンス・トモグラフィ(OCT)は網膜の3Dスキャンであり、網膜解剖の変化を診断し、モニターするために用いられる。多くのDeep Learning(DL)メソッドは、網膜の病理学的変化を監視する自動化ツールの開発の成功を共有している。
論文参考訳（メタデータ） (2023-03-09T08:32:14Z)
Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
論文参考訳（メタデータ） (2023-03-07T09:40:22Z)
Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。既存のディープラーニングベースの手法は、有望な再構築性能を得た。本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
論文参考訳（メタデータ） (2022-12-26T13:56:12Z)
Explainable multiple abnormality classification of chest CT volumes with AxialNet and HiResCAM [89.2175350956813]
本稿では,容積医用画像における多変量分類の課題について紹介する。本稿では,複数のインスタンス学習型畳み込みニューラルネットワークであるAxialNetを提案する。そして、HiResCAMと3D許容領域を利用した新しいマスクロスにより、モデルの学習を改善することを目指す。
論文参考訳（メタデータ） (2021-11-24T01:14:33Z)
Universal Lesion Detection in CT Scans using Neural Network Ensembles [5.341593824515018]
腫瘍の拡がりの下流評価を促進するため、病変の縮小の前提条件は、その検出である。我々は,NIH DeepLesionデータセットに存在する疑わしい病変を識別するために,最先端検出ニューラルネットワークを提案する。画像あたり65.17%の精度と91.67%の感度で1枚あたり4FPの精度で、病変を局在させる最良の検出モデルのアンサンブルを構築した。
論文参考訳（メタデータ） (2021-11-09T00:11:01Z)
Pulmonary embolism identification in computerized tomography pulmonary angiography scans with deep learning technologies in COVID-19 patients [0.65756807269289]
本稿では,A-Scans画像における肺塞栓症同定のための最も正確かつ高速な深層学習モデルについて紹介する。本研究では,肺塞栓症の診断精度を向上させるために,分類モデルと対象検出モデルを組み合わせた高速トラックソリューション(システム)を提案する。
論文参考訳（メタデータ） (2021-05-24T10:23:21Z)
Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
論文参考訳（メタデータ） (2020-05-08T03:16:15Z)
Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文参考訳（メタデータ） (2020-04-22T07:30:56Z)

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。