論文の概要: cRedAnno+: Annotation Exploitation in Self-Explanatory Lung Nodule Diagnosis

• arxiv url: http://arxiv.org/abs/2210.16097v1
• Date: Fri, 28 Oct 2022 12:44:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-31 17:19:02.456475
• Title: cRedAnno+: Annotation Exploitation in Self-Explanatory Lung Nodule Diagnosis
• Title（参考訳）: cRedAnno+:自励性肺結節診断における注記
• Authors: Jiahao Lu, Chong Yin, Kenny Erleben, Michael Bachmann Nielsen, Sune Darkner
• Abstract要約: cRedAnnoは、アノテーションの要求を大幅に減らして、競争性能を達成する。 半教師付き能動学習によるアノテーション活用機構を提案する。 提案手法は10倍のアノテーションで同等あるいはそれ以上高い悪性度予測精度を実現する。
• 参考スコア（独自算出の注目度）: 8.582182186207671
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recently, attempts have been made to reduce annotation requirements in feature-based self-explanatory models for lung nodule diagnosis. As a representative, cRedAnno achieves competitive performance with considerably reduced annotation needs by introducing self-supervised contrastive learning to do unsupervised feature extraction. However, it exhibits unstable performance under scarce annotation conditions. To improve the accuracy and robustness of cRedAnno, we propose an annotation exploitation mechanism by conducting semi-supervised active learning in the learned semantically meaningful space to jointly utilise the extracted features, annotations, and unlabelled data. The proposed approach achieves comparable or even higher malignancy prediction accuracy with 10x fewer annotations, meanwhile showing better robustness and nodule attribute prediction accuracy. Our complete code is open-source available: https://github.com/diku-dk/credanno.
• Abstract（参考訳）: 近年,肺結節診断のための機能的自己説明モデルにおけるアノテーション要件の低減が試みられている。 代表として、cRedAnnoは、教師なしの特徴抽出を行うために自己教師付きコントラスト学習を導入することで、アノテーションの要求を大幅に削減して競争性能を達成する。 しかし, アノテーション条件の少ない条件下では不安定な性能を示す。 cRedAnnoの精度とロバスト性を改善するために,学習意味空間における半教師付き能動学習を行い,抽出した特徴,アノテーション,および未ラベルデータとの共同利用によるアノテーション活用機構を提案する。 提案手法は10倍のアノテーションで同等あるいはそれ以上の悪性度予測精度を達成し,さらにロバスト性や結節属性予測精度も向上した。 私たちの完全なコードは、オープンソースで利用可能です。

関連論文リスト

• Predicting generalization performance with correctness discriminators [64.00420578048855]
  未確認データに対して,金のラベルを必要とせず,精度の上下境界を確立する新しいモデルを提案する。 予測された上境界と下限の間に金の精度が確実に成立する様々なタグ付け、構文解析、意味解析タスクを示す。
  論文  参考訳（メタデータ） (2023-11-15T22:43:42Z)
• XAL: EXplainable Active Learning Makes Classifiers Better Low-resource Learners [71.8257151788923]
  低リソーステキスト分類のための新しい説明可能なアクティブラーニングフレームワーク(XAL)を提案する。 XALは分類器に対して、推論を正当化し、合理的な説明ができないラベルのないデータを掘り下げることを推奨している。 6つのデータセットの実験では、XALは9つの強いベースラインに対して一貫した改善を達成している。
  論文  参考訳（メタデータ） (2023-10-09T08:07:04Z)
• Don't Miss Out on Novelty: Importance of Novel Features for Deep Anomaly Detection [64.21963650519312]
  異常検出(AD)は、正規性の学習モデルに適合しない観察を識別する重要なタスクである。 本稿では, 入力空間における説明不能な観測として, 説明可能性を用いた新しいAD手法を提案する。 当社のアプローチでは,複数のベンチマークにまたがる新たな最先端性を確立し,さまざまな異常な型を扱う。
  論文  参考訳（メタデータ） (2023-10-01T21:24:05Z)
• Feature Separation and Recalibration for Adversarial Robustness [18.975320671203132]
  本稿では,特徴分離と再校正という手法を提案する。 分離と再校正を通じて、より堅牢な機能マップのために、悪意のある非不正なアクティベーションを再校正する。 これにより、計算オーバーヘッドが小さいため、既存の敵の訓練手法の堅牢性は最大8.57%向上する。
  論文  参考訳（メタデータ） (2023-03-24T07:43:57Z)
• Self-supervised debiasing using low rank regularization [59.84695042540525]
  純粋な相関は、ディープニューラルネットワークの強いバイアスを引き起こし、一般化能力を損なう可能性がある。 ラベルのないサンプルと互換性のある自己監督型脱バイアスフレームワークを提案する。 注目すべきは,提案フレームワークが自己教師付き学習ベースラインの一般化性能を著しく向上させることである。
  論文  参考訳（メタデータ） (2022-10-11T08:26:19Z)
• Reducing Annotation Need in Self-Explanatory Models for Lung Nodule Diagnosis [10.413504599164106]
  肺結節診断のためのデータ/アノテーション効率の高い自己説明法であるcRedAnnoを提案する。 cRedAnnoは、自己教師付きコントラスト学習を導入することで、アノテーションの必要性を大幅に減らす。 学習空間の可視化は,悪性度と結節属性の相関が臨床知識と一致することを示している。
  論文  参考訳（メタデータ） (2022-06-27T20:01:41Z)
• Improving the Adversarial Robustness of NLP Models by Information Bottleneck [112.44039792098579]
  非破壊機能は敵によって容易に操作でき、NLPモデルを騙すことができる。 本研究では,情報ボトルネック理論を用いて,タスク固有のロバストな特徴を捕捉し,非ロバストな特徴を除去する可能性を検討する。 情報ボトルネックに基づく手法を用いてトレーニングしたモデルでは,ロバストな精度で大幅な改善が達成できることを示す。
  論文  参考訳（メタデータ） (2022-06-11T12:12:20Z)
• Spread Spurious Attribute: Improving Worst-group Accuracy with Spurious Attribute Estimation [72.92329724600631]
  本稿では,最悪のグループ精度を向上させるために,疑似属性に基づくアルゴリズムSpread Spurious Attributeを提案する。 各種ベンチマークデータセットに対する実験により,アルゴリズムはベースライン法より一貫して優れていることが示された。 また,提案したSSAは,フル (100%) のスプリアス特性監視を用いた手法に匹敵する性能を達成できることを実証した。
  論文  参考訳（メタデータ） (2022-04-05T09:08:30Z)
• Towards Explainable End-to-End Prostate Cancer Relapse Prediction from H&E Images Combining Self-Attention Multiple Instance Learning with a Recurrent Neural Network [0.0]
  本稿では,がん再発予測ネットワーク(eCaReNet)を提案する。 本モデルでは,患者1人当たりのリスクスコアとグループだけでなく,生存曲線も良好に評価し,出力する。
  論文  参考訳（メタデータ） (2021-11-26T11:45:08Z)
• Scribble-Supervised Semantic Segmentation by Uncertainty Reduction on Neural Representation and Self-Supervision on Neural Eigenspace [21.321005898976253]
  Scribble-supervised セマンティックセグメンテーションは、最近、高品質のアノテーションのない有望なパフォーマンスで多くの注目を集めています。 この研究は、追加情報やその他の制限なしに直接スクリブルアノテーションによってセマンティックセグメンテーションを達成することを目的とする。 本稿では,神経表現におけるエントロピーの最小化とネットワーク埋め込みランダムウォークによる不確実性低減を含む総合的操作を提案する。
  論文  参考訳（メタデータ） (2021-02-19T12:33:57Z)
• Weakly Supervised Vessel Segmentation in X-ray Angiograms by Self-Paced Learning from Noisy Labels with Suggestive Annotation [12.772031281511023]
  自動血管拡張から発生するノイズの多い擬似ラベルから学習する弱教師付きトレーニングフレームワークを提案する。 ラベルノイズに対してトレーニングプロセスを堅牢化するために、典型的なセルフペースト学習方式が使用される。 提案手法は,完全教師付き学習に匹敵する精度を達成できることを示す。
  論文  参考訳（メタデータ） (2020-05-27T13:55:33Z)

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。