論文の概要: Lirot.ai: A Novel Platform for Crowd-Sourcing Retinal Image
Segmentations
- arxiv url: http://arxiv.org/abs/2208.10100v1
- Date: Mon, 22 Aug 2022 07:19:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-23 13:37:22.376366
- Title: Lirot.ai: A Novel Platform for Crowd-Sourcing Retinal Image
Segmentations
- Title(参考訳): Lirot.ai: クラウドソーシング型網膜画像セグメンテーションのための新しいプラットフォーム
- Authors: Jonathan Fhima, Jan Van Eijgen, Moti Freiman, Ingeborg Stalmans and
Joachim A. Behar
- Abstract要約: 画像セグメンテーションの促進とクラウドソーシングのための新しいプラットフォームであるLirot.aiを紹介した。
Lirot.aiはiPadOSクライアントアプリケーションLirot.ai-app、バックエンドサーバLirot.ai-server、python APIネームLirot.ai-APIの3つのコンポーネントで構成されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Introduction: For supervised deep learning (DL) tasks, researchers need a
large annotated dataset. In medical data science, one of the major limitations
to develop DL models is the lack of annotated examples in large quantity. This
is most often due to the time and expertise required to annotate. We introduce
Lirot.ai, a novel platform for facilitating and crowd-sourcing image
segmentations. Methods: Lirot.ai is composed of three components; an iPadOS
client application named Lirot.ai-app, a backend server named Lirot.ai-server
and a python API name Lirot.ai-API. Lirot.ai-app was developed in Swift 5.6 and
Lirot.ai-server is a firebase backend. Lirot.ai-API allows the management of
the database. Lirot.ai-app can be installed on as many iPadOS devices as needed
so that annotators may be able to perform their segmentation simultaneously and
remotely. We incorporate Apple Pencil compatibility, making the segmentation
faster, more accurate, and more intuitive for the expert than any other
computer-based alternative. Results: We demonstrate the usage of Lirot.ai for
the creation of a retinal fundus dataset with reference vasculature
segmentations. Discussion and future work: We will use active learning
strategies to continue enlarging our retinal fundus dataset by including a more
efficient process to select the images to be annotated and distribute them to
annotators.
- Abstract(参考訳): 導入: 教師付きディープラーニング(DL)タスクには、大きな注釈付きデータセットが必要である。
医学データサイエンスにおいて、dlモデルを開発するための大きな制限の1つは、大量の注釈付き例がないことである。
これは、アノテートに必要な時間と専門知識によることが多い。
画像セグメンテーションの促進とクラウドソーシングのための新しいプラットフォームであるLirot.aiを紹介する。
メソッド: Lirot.aiは、Lirot.ai-appという名前のiPadOSクライアントアプリケーション、Lirot.ai-serverという名前のバックエンドサーバ、python APIネームのLirot.ai-APIの3つのコンポーネントで構成されている。
Lirot.ai-appはSwift 5.6で開発され、Lirot.ai-serverはファイアベースバックエンドである。
Lirot.ai-APIはデータベースの管理を可能にする。
Lirot.ai-appは必要なだけ多くのiPadOSデバイスにインストールでき、アノテータは同時にリモートでセグメンテーションを行うことができる。
私たちはapple pencilの互換性を取り入れ、セグメンテーションを他のコンピュータベースの代替品よりも高速で、より正確で、専門家にとって直感的なものにしています。
結果: 基準血管セグメンテーションを用いた網膜底部データセットの作成にLirot.aiを応用した。
議論と今後の作業:我々は、アノテートされる画像を選択し、アノテータに配布するより効率的なプロセスを含むことによって、網膜底部データセットの拡大を継続するために、アクティブラーニング戦略を使用する。
関連論文リスト
- Relational Deep Learning: Graph Representation Learning on Relational
Databases [69.7008152388055]
複数のテーブルにまたがって配置されたデータを学ぶために、エンドツーエンドの表現アプローチを導入する。
メッセージパッシンググラフニューラルネットワークは、自動的にグラフを学習して、すべてのデータ入力を活用する表現を抽出する。
論文 参考訳(メタデータ) (2023-12-07T18:51:41Z) - mvlearnR and Shiny App for multiview learning [0.0]
mvlearnRとそれに伴うShiny Appは、複数のソースやビューやモダリティからのデータを統合することを意図している。
新しいパッケージは統計的および機械学習メソッドとグラフィカルツールをラップし、便利で簡単なデータ統合ワークフローを提供する。
限られたプログラム言語を持つユーザには、あらゆるデバイスでデータ統合を容易にするShiny Applicationを提供しています。
論文 参考訳(メタデータ) (2023-11-25T03:01:12Z) - Pairwise GUI Dataset Construction Between Android Phones and Tablets [24.208087862974033]
Paptデータセットは、Androidスマートフォンとタブレット用に調整されたペアワイズGUIデータセットである。
本稿では,このデータセット構築のための新しいGUIコレクション手法を提案する。
論文 参考訳(メタデータ) (2023-10-07T09:30:42Z) - Learning Cross-Modal Affinity for Referring Video Object Segmentation
Targeting Limited Samples [61.66967790884943]
ビデオオブジェクトセグメンテーション(RVOS)の参照は、所定のシーンに十分なデータに依存する。
より現実的なシナリオでは、新しいシーンで利用できるのは最小限のアノテーションだけです。
トランスフォーマーアーキテクチャに基づいた,新たに設計したクロスモーダル親和性(CMA)モジュールを用いたモデルを提案する。
CMAモジュールは、いくつかのサンプルでマルチモーダル親和性を構築し、新しいセマンティック情報を素早く学習し、モデルが異なるシナリオに適応できるようにする。
論文 参考訳(メタデータ) (2023-09-05T08:34:23Z) - A Pairwise Dataset for GUI Conversion and Retrieval between Android
Phones and Tablets [24.208087862974033]
Paptデータセットは、Androidスマートフォンとタブレット間のGUI変換と検索のためのペアワイズデータセットである。
データセットには5,593の電話-タブレットアプリペアから10,035の電話-タブレットGUIページペアが含まれている。
論文 参考訳(メタデータ) (2023-07-25T03:25:56Z) - Scalable Collaborative Learning via Representation Sharing [53.047460465980144]
フェデレートラーニング(FL)とスプリットラーニング(SL)は、データを(デバイス上で)プライベートにしながら協調学習を可能にする2つのフレームワークである。
FLでは、各データ保持者がモデルをローカルにトレーニングし、集約のために中央サーバにリリースする。
SLでは、クライアントは個々のカット層アクティベーション(スマッシュされたデータ)をサーバにリリースし、そのレスポンス(推論とバックの伝搬の両方)を待つ必要があります。
本研究では, クライアントがオンライン知識蒸留を通じて, 対照的な損失を生かして協調する, プライバシ保護機械学習の新しいアプローチを提案する。
論文 参考訳(メタデータ) (2022-11-20T10:49:22Z) - Spotlight: Mobile UI Understanding using Vision-Language Models with a
Focus [9.401663915424008]
本稿では,UIのスクリーンショットと画面上の関心領域のみを入力とする視覚言語モデルを提案する。
実験の結果,本モデルではいくつかのUIタスクにおいてSoTA結果が得られ,従来手法よりも優れていたことが判明した。
論文 参考訳(メタデータ) (2022-09-29T16:45:43Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳(メタデータ) (2021-12-22T14:45:37Z) - PyTorchVideo: A Deep Learning Library for Video Understanding [71.89124881732015]
PyTorchVideoは、ビデオ理解タスクのためのオープンソースのディープラーニングライブラリである。
マルチモーダルデータローディング、変換、モデルを含む、ビデオ理解ツールのフルスタックをカバーする。
ライブラリはPyTorchをベースにしており、任意のトレーニングフレームワークで使用することができる。
論文 参考訳(メタデータ) (2021-11-18T18:59:58Z) - Low-Resource Domain Adaptation for Compositional Task-Oriented Semantic
Parsing [85.35582118010608]
タスク指向のセマンティックパーシングは仮想アシスタントの重要なコンポーネントである。
近年のディープラーニングの進歩は、より複雑なクエリを解析するいくつかのアプローチを可能にしている。
そこで本研究では,教師付きニューラルネットワークを10倍の精度で高速化する手法を提案する。
論文 参考訳(メタデータ) (2020-10-07T17:47:53Z) - CodeReef: an open platform for portable MLOps, reusable automation
actions and reproducible benchmarking [0.2148535041822524]
CodeReef - クロスプラットフォームMLOps(MLSysOps)を実現するために必要なすべてのコンポーネントを共有するオープンプラットフォームを提供する。
CodeReefソリューションも導入しています – 非仮想化、ポータブル、カスタマイズ可能なアーカイブファイルとしてモデルをパッケージ化し、共有する手段です。
論文 参考訳(メタデータ) (2020-01-22T09:52:51Z)
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。