論文の概要: Non-Iterative Scribble-Supervised Learning with Pacing Pseudo-Masks for Medical Image Segmentation

• arxiv url: http://arxiv.org/abs/2210.10956v1
• Date: Thu, 20 Oct 2022 01:57:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-21 14:51:22.688545
• Title: Non-Iterative Scribble-Supervised Learning with Pacing Pseudo-Masks for Medical Image Segmentation
• Title（参考訳）: 医用画像セグメンテーションのためのペーシング擬似マスクを用いた非Iterative Scribble-Supervised Learning
• Authors: Zefan Yang, Di Lin, Dong Ni, and Yi Wang
• Abstract要約: Scribble-supervised Medical Image segmentationはスパースマスクの制限に対処する。 そこで我々は,PacingPseudoという,異質な擬似マスクのストリームが整合性学習を通じてネットワークを教える非定性的手法を提案する。 提案したPacingPseudoの有効性は、3つの公開医療画像データセットで検証されている。
• 参考スコア（独自算出の注目度）: 12.398678059821595
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scribble-supervised medical image segmentation tackles the limitation of sparse masks. Conventional approaches alternate between: labeling pseudo-masks and optimizing network parameters. However, such iterative two-stage paradigm is unwieldy and could be trapped in poor local optima since the networks undesirably regress to the erroneous pseudo-masks. To address these issues, we propose a non-iterative method where a stream of varying (pacing) pseudo-masks teach a network via consistency training, named PacingPseudo. Our motivation lies first in a non-iterative process. Interestingly, it can be achieved gracefully by a siamese architecture, wherein a stream of pseudo-masks naturally assimilate a stream of predicted masks during training. Second, we make the consistency training effective with two necessary designs: (i) entropy regularization to obtain high-confidence pseudo-masks for effective teaching; and (ii) distorted augmentations to create discrepancy between the pseudo-mask and predicted-mask streams for consistency regularization. Third, we devise a new memory bank mechanism that provides an extra source of ensemble features to complement scarce labeled pixels. The efficacy of the proposed PacingPseudo is validated on three public medical image datasets, including the segmentation tasks of abdominal multi-organs, cardiac structures, and myocardium. Extensive experiments demonstrate our PacingPseudo improves the baseline by large margins and consistently outcompetes several previous methods. In some cases, our PacingPseudo achieves comparable performance with its fully-supervised counterparts, showing the feasibility of our method for the challenging scribble-supervised segmentation applications. The code and scribble annotations will be publicly available.
• Abstract（参考訳）: Scribble-supervised Medical Image segmentationはスパースマスクの制限に対処する。 従来のアプローチは、擬似マスクのラベル付けとネットワークパラメータの最適化である。 しかし、このような反復的な2段階のパラダイムは不利であり、ネットワークが誤った擬似マスクを好ましくないため、局所的なオプティマに閉じ込められる可能性がある。 これらの問題に対処するために,PacingPseudo という,様々な擬似マスクのストリームが整合性トレーニングを通じてネットワークを教える非定性的手法を提案する。 モチベーションは、最初に非イテレーティブなプロセスにあります。 興味深いことに、疑似マスクのストリームがトレーニング中に予測されたマスクのストリームを自然に同化するという、シアム建築によって優雅に達成できる。 次に、2つの必要な設計で整合性トレーニングを効果的に行う。 (i)効果的な指導のための高信頼擬似マスクを得るためのエントロピー正規化、 (II) 整合性正規化のための擬似マスクストリームと予測マスクストリームとの相違を生じさせるための歪曲増分 第3に,ラベル付き画素を補完する追加のアンサンブル機能を提供する,新たなメモリバンク機構を考案する。 提案したPacingPseudoの有効性は,腹部多臓器,心構造,心筋のセグメンテーションタスクを含む3つの医用画像データセットで検証された。 大規模な実験では、PacingPseudoがベースラインを大きなマージンで改善し、従来手法を一貫して上回ります。 場合によっては、PacingPseudoはその完全教師付きセグメンテーションと同等のパフォーマンスを達成しており、難解なスクリブル教師付きセグメンテーションアプリケーションの実現可能性を示している。 コードとscribbleアノテーションは公開される予定だ。

関連論文リスト

• Variance-insensitive and Target-preserving Mask Refinement for Interactive Image Segmentation [68.16510297109872]
  ポイントベースのインタラクティブなイメージセグメンテーションは、セマンティックセグメンテーションや画像編集といったアプリケーションにおけるマスクアノテーションの負担を軽減することができる。 本稿では,ユーザ入力の少ないセグメンテーション品質を向上する新しい手法である可変無感・ターゲット保存マスクリファインメントを提案する。 GrabCut、バークレー、SBD、DAVISデータセットの実験は、インタラクティブな画像セグメンテーションにおける我々の手法の最先端性能を実証している。
  論文  参考訳（メタデータ） (2023-12-22T02:31:31Z)
• Masking Improves Contrastive Self-Supervised Learning for ConvNets, and Saliency Tells You Where [63.61248884015162]
  我々は、畳み込みニューラルネットワークのためのコントラスト学習フレームワークにマスキング操作を組み込むことの負担を軽減することを目的としている。 マスクされた領域が、前景と背景の間に均等に分散されていることを考慮し、塩分濃度の制約を明示的に考慮することを提案する。
  論文  参考訳（メタデータ） (2023-09-22T09:58:38Z)
• Unmasking Anomalies in Road-Scene Segmentation [18.253109627901566]
  異常セグメンテーションはアプリケーションを駆動するための重要なタスクである。 本稿では,画素単位の分類からマスク分類へのシフトによるパラダイム変化を提案する。 Mask2Anomalyはマスク分類アーキテクチャに異常検出手法を統合する可能性を示した。
  論文  参考訳（メタデータ） (2023-07-25T08:23:10Z)
• Learning to Mask and Permute Visual Tokens for Vision Transformer Pre-Training [59.923672191632065]
  我々はMasked and Permuted Vision Transformer(MaPeT)という自己教師型事前学習手法を提案する。 MaPeTは、自動回帰および置換予測を使用して、パッチ内依存関係をキャプチャする。 以上の結果から,MaPeTはImageNet上での競合性能を実証した。
  論文  参考訳（メタデータ） (2023-06-12T18:12:19Z)
• MaskCLIP: Masked Self-Distillation Advances Contrastive Language-Image Pretraining [138.86293836634323]
  MaskCLIPは、新たに提案されたマスク付き自己蒸留をコントラスト言語イメージ事前学習に組み込む。 MaskCLIPは、言語エンコーダの誘導により、線形探索、微調整、ゼロショット性能において優れた結果が得られる。
  論文  参考訳（メタデータ） (2022-08-25T17:59:58Z)
• What You See is What You Classify: Black Box Attributions [61.998683569022006]
  我々は、トレーニング済みのブラックボックス分類器であるExpplanandumの属性を予測するために、ディープネットワークであるExplainerを訓練する。 既存のほとんどのアプローチとは異なり、我々の手法はクラス固有のマスクを直接生成することができる。 我々の属性は、視覚的および定量的に確立された方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-05-23T12:30:04Z)
• Partial Attack Supervision and Regional Weighted Inference for Masked Face Presentation Attack Detection [5.71864964818217]
  マスクを着用することはSARS-CoV-2の感染を防ぐ最も効果的な方法の1つであることが証明されている。 マスクフェイスPADに直面する主な問題は、不正に分類されたボナフェイドのマスクと、不正に分類された部分攻撃である。 本研究では,PADモデルトレーニングを監督する部分攻撃ラベルと,PAD性能を改善するための地域重み付き推論を提案する。
  論文  参考訳（メタデータ） (2021-11-08T08:53:46Z)
• Mask or Non-Mask? Robust Face Mask Detector via Triplet-Consistency Representation Learning [23.062034116854875]
  新型コロナウイルスの感染拡大を遅らせる効果的な方法の1つは、ワクチンや薬品がない場合、マスクを着用することである。 公共の場でのマスクや覆いの使用を義務付けるには、面倒で注意が集中的な人的資源の追加が必要である。 本稿では,フィードフォワード畳み込みニューラルネットワークの効果的な注目を実現するために,コンテキストアテンションモジュールを用いたフェイスマスク検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-01T16:44:06Z)
• Pseudo-mask Matters inWeakly-supervised Semantic Segmentation [24.73662587701187]
  例えば,クラスアクティベーションマップ(CAM)からの高品質な擬似マスク生成や,ノイズの多い擬似マスク監視によるトレーニングなどである。 i)変分平滑化の係数を適応的にCAMを平滑化させる、(ii)各クラスの重要性を示す新しい指標に基づいて拡張されたCAMを擬似マスクに投影する、(iii)擬似雑音の影響を抑えるための事前的アンダーフィッティング戦略
  論文  参考訳（メタデータ） (2021-08-30T05:35:28Z)
• Image Inpainting by End-to-End Cascaded Refinement with Mask Awareness [66.55719330810547]
  任意の欠落領域を塗りつぶすことは、様々なマスクされた領域で有効な特徴を学ぶことは非自明だから難しい。 符号化フェーズにおける欠落領域のマルチスケール特徴を学習する新しいマスク対応インペイントソリューションを提案する。 私たちのフレームワークは、3つの公開データセットに関する広範な実験を通じて定量的および定性的に検証されます。
  論文  参考訳（メタデータ） (2021-04-28T13:17:47Z)
• Post-DAE: Anatomically Plausible Segmentation via Post-Processing with Denoising Autoencoders [19.361024564220454]
  Post-DAEは自動エンコーダ (DAE) に基づく後処理法である 本稿では, Post-DAE を用いて, 誤りとノイズのセグメンテーションマスクをいかに改善できるかを示す。
  論文  参考訳（メタデータ） (2020-06-24T15:05:03Z)

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。