論文の概要: Coarse Retinal Lesion Annotations Refinement via Prototypical Learning

• arxiv url: http://arxiv.org/abs/2208.14294v1
• Date: Tue, 30 Aug 2022 14:22:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-31 13:15:47.716058
• Title: Coarse Retinal Lesion Annotations Refinement via Prototypical Learning
• Title（参考訳）: 原型学習による粗い網膜病変アノテーションの精製
• Authors: Qinji Yu, Kang Dang, Ziyu Zhou, Yongwei Chen, Xiaowei Ding
• Abstract要約: 病変領域をアウトラインする円や楕円のような粗いアノテーションは、ピクセルレベルのアノテーションより6倍効率が良い。 本稿では,粗いアノテーションを画素レベルのセグメンテーションマスクに変換するアノテーション改善ネットワークを提案する。 また,病変が過度に小さすぎる難治性症例に対処するための軽量化モジュールの試作も導入した。
• 参考スコア（独自算出の注目度）: 3.464871689508835
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep-learning-based approaches for retinal lesion segmentation often require an abundant amount of precise pixel-wise annotated data. However, coarse annotations such as circles or ellipses for outlining the lesion area can be six times more efficient than pixel-level annotation. Therefore, this paper proposes an annotation refinement network to convert a coarse annotation into a pixel-level segmentation mask. Our main novelty is the application of the prototype learning paradigm to enhance the generalization ability across different datasets or types of lesions. We also introduce a prototype weighing module to handle challenging cases where the lesion is overly small. The proposed method was trained on the publicly available IDRiD dataset and then generalized to the public DDR and our real-world private datasets. Experiments show that our approach substantially improved the initial coarse mask and outperformed the non-prototypical baseline by a large margin. Moreover, we demonstrate the usefulness of the prototype weighing module in both cross-dataset and cross-class settings.
• Abstract（参考訳）: 網膜病変のセグメンテーションに対するディープラーニングに基づくアプローチは、しばしば大量の正確なピクセル単位のアノテートデータを必要とする。 しかし、病変領域をアウトラインする円や楕円のような粗いアノテーションはピクセルレベルのアノテーションより6倍効率が良い。 そこで本研究では,粗いアノテーションを画素レベルのセグメンテーションマスクに変換するアノテーション改善ネットワークを提案する。 我々の主な特徴は、異なるデータセットや病巣の種類にまたがる一般化能力を高めるためのプロトタイプ学習パラダイムの応用である。 また,病変が過度に小さすぎる難治性症例に対処するための試作モジュールも導入した。 提案手法は,公開可能なIDRiDデータセットに基づいてトレーニングを行い,公開DDRと実世界のプライベートデータセットに一般化した。 実験の結果,初期粗面を実質的に改善し,非定型ベースラインを大きなマージンで上回った。 さらに,クロスデータセットとクロスクラス設定の両方において,プロトタイプ重み付けモジュールの有用性を示す。

関連論文リスト

• Towards Automated Polyp Segmentation Using Weakly- and Semi-Supervised Learning and Deformable Transformers [8.01814397869811]
  ポリープセグメンテーションは大腸癌のコンピュータ診断への重要なステップである。 ポリプセグメンテーションの手法の多くは、ピクセル単位のアノテートデータセットを必要とする。 本稿では,弱い注釈付き画像のみを用いて,ラベルなし画像の活用によりトレーニング可能な新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-21T20:44:12Z)
• Towards Effective Image Manipulation Detection with Proposal Contrastive Learning [61.5469708038966]
  本稿では,効果的な画像操作検出のためのコントラスト学習(PCL)を提案する。 我々のPCLは、RGBとノイズビューから2種類のグローバル特徴を抽出し、2ストリームアーキテクチャで構成されている。 我々のPCLは、実際にラベル付けされていないデータに容易に適用でき、手作業によるラベル付けコストを削減し、より一般化可能な機能を促進することができる。
  論文  参考訳（メタデータ） (2022-10-16T13:30:13Z)
• Modeling the Background for Incremental and Weakly-Supervised Semantic Segmentation [39.025848280224785]
  セマンティックセグメンテーションのための新しい漸進的なクラス学習手法を提案する。 各トレーニングステップは、すべての可能なクラスのサブセットにのみアノテーションを提供するので、バックグラウンドクラスのピクセルはセマンティックシフトを示す。 本研究では,Pascal-VOC,ADE20K,Cityscapesのデータセットを広範囲に評価し,提案手法の有効性を実証する。
  論文  参考訳（メタデータ） (2022-01-31T16:33:21Z)
• Weakly Supervised Change Detection Using Guided Anisotropic Difusion [97.43170678509478]
  我々は、このようなデータセットを変更検出の文脈で活用するのに役立つ独自のアイデアを提案する。 まず,意味的セグメンテーション結果を改善する誘導異方性拡散(GAD)アルゴリズムを提案する。 次に、変化検出に適した2つの弱い教師付き学習戦略の可能性を示す。
  論文  参考訳（メタデータ） (2021-12-31T10:03:47Z)
• Learning from Partially Overlapping Labels: Image Segmentation under Annotation Shift [68.6874404805223]
  腹部臓器分節の文脈におけるラベルの重複から学ぶためのいくつかの方法を提案する。 半教師付きアプローチと適応的クロスエントロピー損失を組み合わせることで、不均一な注釈付きデータをうまく活用できることが判明した。
  論文  参考訳（メタデータ） (2021-07-13T09:22:24Z)
• Unsupervised Representation Learning from Pathology Images with Multi-directional Contrastive Predictive Coding [0.33148826359547523]
  本稿では,デジタル病理パッチを用いたcpcフレームワークの修正について述べる。 これは潜在コンテキストを構築するための代替マスクを導入することで実現される。 提案法は, 組織学的パッチの深部分類を改良できることを示す。
  論文  参考訳（メタデータ） (2021-05-11T21:17:13Z)
• CutPaste: Self-Supervised Learning for Anomaly Detection and Localization [59.719925639875036]
  通常のトレーニングデータのみを用いて異常検知器を構築するためのフレームワークを提案する。 まず、自己教師付き深層表現を学習し、学習した表現の上に生成的1クラス分類器を構築する。 MVTec異常検出データセットに関する実証研究は,提案アルゴリズムが実世界の様々な欠陥を検出可能であることを実証している。
  論文  参考訳（メタデータ） (2021-04-08T19:04:55Z)
• Overcoming the curse of dimensionality with Laplacian regularization in semi-supervised learning [80.20302993614594]
  ラプラシア正規化の欠点を克服するための統計的解析を提供する。 望ましい振る舞いを示すスペクトルフィルタリング法を多数発表する。 我々は,本手法を大量のデータで利用できるようにするために,現実的な計算ガイドラインを提供する。
  論文  参考訳（メタデータ） (2020-09-09T14:28:54Z)
• Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
  本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。 摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。 実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-21T13:27:09Z)
• A generic ensemble based deep convolutional neural network for semi-supervised medical image segmentation [7.141405427125369]
  深層畳み込みニューラルネットワーク(DCNN)に基づく画像セグメンテーションのための汎用的な半教師付き学習フレームワークを提案する。 本手法は,ラベルなしデータを組み込むことで,完全教師付きモデル学習を超えて大幅に改善することができる。
  論文  参考訳（メタデータ） (2020-04-16T23:41:50Z)

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。