論文の概要: DRG-Net: Interactive Joint Learning of Multi-lesion Segmentation and Classification for Diabetic Retinopathy Grading

• arxiv url: http://arxiv.org/abs/2212.14615v1
• Date: Fri, 30 Dec 2022 09:59:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-02 16:58:22.428950
• Title: DRG-Net: Interactive Joint Learning of Multi-lesion Segmentation and Classification for Diabetic Retinopathy Grading
• Title（参考訳）: DRG-Net:Multi-lesion Segmentationの相互学習と糖尿病網膜症における分類
• Authors: Hasan Md Tusfiqur, Duy M. H. Nguyen, Mai T. N. Truong, Triet A. Nguyen, Binh T. Nguyen, Michael Barz, Hans-Juergen Profitlich, Ngoc T. T. Than, Ngan Le, Pengtao Xie, Daniel Sonntag
• Abstract要約: 本研究では、対話型機械学習を活用し、DRG-Netと呼ばれる共同学習フレームワークを導入する。 我々のDRG-Netは2つのモジュールから構成されている: (i)DRG-AI-SystemはDRグレーディングを分類し、病変領域をローカライズし、視覚的説明を提供する; (ii)DRG-Expert-Interactionはユーザからフィードバックを受け、DRG-AI-Systemを改善する。 人間のインタラクションの観点からは、専門家がシステムの予測を修正できるツールとしてDRG-Netがさらに開発され、システム全体の更新に使用される可能性がある。
• 参考スコア（独自算出の注目度）: 11.709174543216548
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diabetic Retinopathy (DR) is a leading cause of vision loss in the world, and early DR detection is necessary to prevent vision loss and support an appropriate treatment. In this work, we leverage interactive machine learning and introduce a joint learning framework, termed DRG-Net, to effectively learn both disease grading and multi-lesion segmentation. Our DRG-Net consists of two modules: (i) DRG-AI-System to classify DR Grading, localize lesion areas, and provide visual explanations; (ii) DRG-Expert-Interaction to receive feedback from user-expert and improve the DRG-AI-System. To deal with sparse data, we utilize transfer learning mechanisms to extract invariant feature representations by using Wasserstein distance and adversarial learning-based entropy minimization. Besides, we propose a novel attention strategy at both low- and high-level features to automatically select the most significant lesion information and provide explainable properties. In terms of human interaction, we further develop DRG-Net as a tool that enables expert users to correct the system's predictions, which may then be used to update the system as a whole. Moreover, thanks to the attention mechanism and loss functions constraint between lesion features and classification features, our approach can be robust given a certain level of noise in the feedback of users. We have benchmarked DRG-Net on the two largest DR datasets, i.e., IDRID and FGADR, and compared it to various state-of-the-art deep learning networks. In addition to outperforming other SOTA approaches, DRG-Net is effectively updated using user feedback, even in a weakly-supervised manner.
• Abstract（参考訳）: 糖尿病網膜症(DR)は、世界でも主要な視力喪失の原因であり、早期のDR検出は、視力喪失を予防し、適切な治療を支援するために必要である。 本研究では,対話型機械学習を活用し,drg-netと呼ばれる共同学習フレームワークを導入し,疾患のグレーディングとマルチレズンセグメンテーションの両方を効果的に学習する。 私たちのDRG-Netは2つのモジュールから構成されています。 一 DRG-AI-システムであって、DRグレーディングを分類し、病変領域をローカライズし、視覚的説明を提供するもの (II)DRG-Expert-Interactionはユーザからフィードバックを受け、DRG-AI-Systemを改善する。 スパースデータを扱うために,wasserstein距離と逆学習に基づくエントロピー最小化を用いた不変特徴表現抽出に転送学習機構を用いる。 また,低位・高位両方の特徴を考慮した新たな注意戦略を提案し,重要な病変情報を自動的に選択し,説明可能な特性を提供する。 人間のインタラクションの観点からは,専門家がシステムの予測を修正できるツールとしてDRG-Netがさらに開発され,システム全体の更新に使用される可能性がある。 また,アテンション機構と障害特徴と分類特徴との間の損失関数の制約により,ユーザのフィードバックにおける一定のノイズレベルを考慮すれば,このアプローチは頑健である。 IDRIDとFGADRという2つの大きなDRデータセット上でDRG-Netをベンチマークし、最先端のディープラーニングネットワークと比較した。 DRG-Netは、他のSOTAアプローチよりも優れているだけでなく、弱い管理方法であっても、ユーザのフィードバックによって効果的に更新される。

関連論文リスト

• Online Multi-modal Root Cause Analysis [61.94987309148539]
  ルート原因分析(RCA)は、マイクロサービスシステムにおける障害の根本原因の特定に不可欠である。 既存のオンラインRCAメソッドは、マルチモーダルシステムにおける複雑な相互作用を見渡す単一モーダルデータのみを処理する。 OCEANは、根本原因の局在化のための新しいオンラインマルチモーダル因果構造学習手法である。
  論文  参考訳（メタデータ） (2024-10-13T21:47:36Z)
• AD-Net: Attention-based dilated convolutional residual network with guided decoder for robust skin lesion segmentation [0.0]
  本研究では,拡張畳み込み残差ネットワークを用いたロバストなアプローチを提案する。 注意に基づく空間特徴拡張ブロック(ASFEB)を搭載し、ガイド付きデコーダ戦略を採用している。 提案したAD-Netの有効性を,4つの公開ベンチマークデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2024-09-09T08:21:17Z)
• TransDAE: Dual Attention Mechanism in a Hierarchical Transformer for Efficient Medical Image Segmentation [7.013315283888431]
  医用画像のセグメンテーションは、正確な疾患診断と効果的な治療戦略の開発に不可欠である。 本稿では,トランスダエ(TransDAE)という,空間的・チャネル的関連性を含む自己認識機構を再定義する手法を紹介する。 注目すべきは、TransDAEがSynapsのマルチオーガナイズデータセット上で、既存の最先端メソッドより優れていることだ。
  論文  参考訳（メタデータ） (2024-09-03T16:08:48Z)
• Run-time Introspection of 2D Object Detection in Automated Driving Systems Using Learning Representations [13.529124221397822]
  ディープニューラルネットワーク(DNN)に基づく2次元物体検出のための新しいイントロスペクションソリューションを提案する。 KITTIとBDDのデータセットで評価された1段階および2段階のオブジェクト検出器を用いて,2次元オブジェクト検出におけるエラー検出のためのSOTAイントロスペクション機構を実装した。 性能評価の結果,提案手法はSOTA法より優れており,BDDデータセットのエラー率を9%から17%まで絶対的に削減できることがわかった。
  論文  参考訳（メタデータ） (2024-03-02T10:56:14Z)
• PREM: A Simple Yet Effective Approach for Node-Level Graph Anomaly Detection [65.24854366973794]
  ノードレベルのグラフ異常検出(GAD)は、医学、ソーシャルネットワーク、eコマースなどの分野におけるグラフ構造化データから異常ノードを特定する上で重要な役割を果たす。 本稿では,GADの効率を向上させるために,PREM (preprocessing and Matching) という簡単な手法を提案する。 我々のアプローチは、強力な異常検出機能を維持しながら、GADを合理化し、時間とメモリ消費を削減します。
  論文  参考訳（メタデータ） (2023-10-18T02:59:57Z)
• GAEI-UNet: Global Attention and Elastic Interaction U-Net for Vessel Image Segmentation [0.0]
  血管画像のセグメンテーションは、血管疾患の早期発見と治療を支援する医療診断において重要な役割を担っている。 本稿では,グローバルアテンションと弾性相互作用に基づく手法を組み合わせた新しいモデルGAEI-UNetを提案する。 ターゲット形状と予測形状のずれによって生じる力を捕捉することにより,本モデルでは,容器ネットワークの正確なトポロジを効果的に学習する。
  論文  参考訳（メタデータ） (2023-08-16T13:10:32Z)
• Deep Metric Learning for Unsupervised Remote Sensing Change Detection [60.89777029184023]
  リモートセンシング変化検出(RS-CD)は、マルチテンポラルリモートセンシング画像(MT-RSI)から関連する変化を検出することを目的とする。 既存のRS-CD法の性能は、大規模な注釈付きデータセットのトレーニングによるものである。 本稿では,これらの問題に対処可能なディープメトリック学習に基づく教師なしCD手法を提案する。
  論文  参考訳（メタデータ） (2023-03-16T17:52:45Z)
• EVNet: An Explainable Deep Network for Dimension Reduction [23.84304618356771]
  次元減少(DR)は、固有構造を捉え、高次元データを低次元空間に変換するために一般的に用いられる。 我々はEVNetと呼ばれるディープニューラルネットワーク手法を開発し、構造維持性と説明可能性に優れた性能を提供する。 提案手法は視覚インタフェースと統合され,ユーザがEVNetを調整し,DR性能と説明可能性を向上させる。
  論文  参考訳（メタデータ） (2022-11-21T08:38:36Z)
• Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
  自律運転システムには2つの主要なアルゴリズムアプローチがある。 ディープラーニングだけでは、多くの分野で最先端の結果が得られています。 しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
  論文  参考訳（メタデータ） (2022-03-28T20:29:50Z)
• Distribution-sensitive Information Retention for Accurate Binary Neural Network [49.971345958676196]
  本稿では、前向きのアクティベーションと後向きの勾配の情報を保持するために、新しいDIR-Net(Distribution-sensitive Information Retention Network)を提案する。 我々のDIR-Netは、主流かつコンパクトなアーキテクチャの下で、SOTAバイナライゼーションアプローチよりも一貫して優れています。 我々は、実世界のリソース制限されたデバイス上でDIR-Netを行い、ストレージの11.1倍の節約と5.4倍のスピードアップを実現した。
  論文  参考訳（メタデータ） (2021-09-25T10:59:39Z)
• Topological obstructions in neural networks learning [67.8848058842671]
  損失勾配関数フローのグローバル特性について検討する。 損失関数とそのモースコンプレックスの位相データ解析を用いて,損失面の大域的特性と勾配軌道に沿った局所的挙動を関連付ける。
  論文  参考訳（メタデータ） (2020-12-31T18:53:25Z)

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。