Fugu-MT 論文翻訳(概要): Semi-supervised Learning with Robust Loss in Brain Segmentation

論文の概要: Semi-supervised Learning with Robust Loss in Brain Segmentation

arxiv url: http://arxiv.org/abs/2212.03082v1
Date: Sat, 3 Dec 2022 20:17:28 GMT
ステータス: 処理完了
システム内更新日: 2022-12-07 17:43:28.602803
Title: Semi-supervised Learning with Robust Loss in Brain Segmentation
Title（参考訳）: 脳セグメンテーションにおけるロバストな消失を伴う半教師付き学習
Authors: Hedong Zhang, Anand A. Joshi
Abstract要約: このフレームワークはMRI画像のラベル付けコストを削減できる。また,半教師付き学習で発生する不正確なラベルのノイズ効果を低減するために,ロバスト損失を導入した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this work, we used a semi-supervised learning method to train deep learning model that can segment the brain MRI images. The semi-supervised model uses less labeled data, and the performance is competitive with the supervised model with full labeled data. This framework could reduce the cost of labeling MRI images. We also introduced robust loss to reduce the noise effects of inaccurate labels generated in semi-supervised learning.
Abstract（参考訳）: 本研究では,脳MRI画像のセグメント化が可能な深層学習モデルの訓練に半教師付き学習法を用いた。半教師付きモデルはラベル付きデータが少なく、性能はラベル付きデータを持つ教師付きモデルと競合する。このフレームワークはMRI画像のラベル付けコストを削減できる。また,半教師付き学習で発生する不正確なラベルのノイズ効果を低減するために,ロバスト損失を導入した。

関連論文リスト

Unveiling Incomplete Modality Brain Tumor Segmentation: Leveraging Masked Predicted Auto-Encoder and Divergence Learning [6.44069573245889]
脳腫瘍のセグメンテーションは、特にマルチモーダルMRI(Multi-modal magnetic resonance imaging)における重要な課題である。本稿では,不完全なモダリティデータから頑健な特徴学習を可能にする,マスク付き予測事前学習方式を提案する。微調整段階において、我々は知識蒸留技術を用いて、完全なモダリティデータと欠落したモダリティデータの間に特徴を整列させ、同時にモデルロバスト性を向上する。
論文参考訳（メタデータ） (2024-06-12T20:35:16Z)
Semi-Supervised Relational Contrastive Learning [8.5285439285139]
本稿では,自己教師付きコントラスト損失と一貫性を利用した半教師付き学習モデルを提案する。我々は,ISIC 2018 Challengeベンチマークの皮膚病変分類を検証し,各種ラベル付きデータに対する本手法の有効性を実証した。
論文参考訳（メタデータ） (2023-04-11T08:14:30Z)
Boosting Facial Expression Recognition by A Semi-Supervised Progressive Teacher [54.50747989860957]
本稿では,信頼度の高いFERデータセットと大規模未ラベル表現画像を有効訓練に用いるための半教師付き学習アルゴリズム,Progressive Teacher (PT)を提案する。 RAF-DB と FERPlus を用いた実験により,RAF-DB で89.57% の精度で最先端の性能を実現する手法の有効性が検証された。
論文参考訳（メタデータ） (2022-05-28T07:47:53Z)
Mixed-UNet: Refined Class Activation Mapping for Weakly-Supervised Semantic Segmentation with Multi-scale Inference [28.409679398886304]
我々は、デコードフェーズに2つの並列分岐を持つMixed-UNetという新しいモデルを開発する。地域病院や公開データセットから収集したデータセットに対して,いくつかの一般的なディープラーニングに基づくセグメンテーションアプローチに対して,設計したMixed-UNetを評価した。
論文参考訳（メタデータ） (2022-05-06T08:37:02Z)
Incorporating Semi-Supervised and Positive-Unlabeled Learning for Boosting Full Reference Image Quality Assessment [73.61888777504377]
フル参照(FR)画像品質評価(IQA)は、その知覚的差異をプリズム品質基準で測定することにより、歪み画像の視覚的品質を評価する。ラベルなしデータは、画像劣化または復元プロセスから容易に収集することができ、ラベルなしのトレーニングデータを利用してFR-IQA性能を高めることを奨励する。本稿では, 半教師付き, 正の未ラベル学習(PU)を用いて, ラベルなしデータを活用し, オフレーヤの悪影響を軽減することを提案する。
論文参考訳（メタデータ） (2022-04-19T09:10:06Z)
Feature-enhanced Adversarial Semi-supervised Semantic Segmentation Network for Pulmonary Embolism Annotation [6.142272540492936]
本研究は,肺塞栓病変領域を自動診断する機能強化逆行性半教師付きセマンティックセマンティックセグメンテーションモデルを構築した。近年のPEAイメージセグメンテーション手法は,教師あり学習によって訓練されている。本研究では,少量の未ラベル画像を追加することで,異なるデータセットに適用可能なモデルを構築するための半教師付き学習手法を提案する。
論文参考訳（メタデータ） (2022-04-08T04:21:02Z)
Joint Optical Neuroimaging Denoising with Semantic Tasks [2.756263525080896]
この作業は、教師付き denoising とセマンティックセグメンテーションモデルを結合して、エンドツーエンドモデルを形成する。我々は、教師付きモデルと自己監督型モデルの両方を用いて、共同認知と分節設定の新しいコスト項を導入する。
論文参考訳（メタデータ） (2021-09-22T03:21:29Z)
More Photos are All You Need: Semi-Supervised Learning for Fine-Grained Sketch Based Image Retrieval [112.1756171062067]
クロスモーダル検索のための新しい半監視フレームワークについて紹介する。私たちの設計の中心には、連続したフォトツースケッチ生成モデルがあります。また,不適切な生成を誘導する判別器誘導機構も導入する。
論文参考訳（メタデータ） (2021-03-25T17:27:08Z)
Semi-supervised Left Atrium Segmentation with Mutual Consistency Training [60.59108570938163]
3次元MR画像からの半教師付き左房分割のための新しいMultual Consistency Network(MC-Net)を提案する。我々のMC-Netは1つのエンコーダと2つのわずかに異なるデコーダから構成されており、2つのデコーダの予測誤差は教師なしの損失として変換される。我々は,公開左心房(la)データベース上でmc-netを評価し,ラベルなしデータを効果的に活用することで印象的な性能向上を実現する。
論文参考訳（メタデータ） (2021-03-04T09:34:32Z)
Salvage Reusable Samples from Noisy Data for Robust Learning [70.48919625304]
本稿では,Web画像を用いた深部FGモデルのトレーニングにおいて,ラベルノイズに対処するための再利用可能なサンプル選択と修正手法を提案する。私たちのキーとなるアイデアは、再利用可能なサンプルの追加と修正を行い、それらをクリーンな例とともに活用してネットワークを更新することです。
論文参考訳（メタデータ） (2020-08-06T02:07:21Z)
Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。