Fugu-MT 論文翻訳(概要): A Review of Predictive and Contrastive Self-supervised Learning for Medical Images

論文の概要: A Review of Predictive and Contrastive Self-supervised Learning for Medical Images

arxiv url: http://arxiv.org/abs/2302.05043v2
Date: Sat, 30 Mar 2024 03:50:28 GMT
ステータス: 処理完了
システム内更新日: 2024-04-02 16:13:48.301929
Title: A Review of Predictive and Contrastive Self-supervised Learning for Medical Images
Title（参考訳）: 医用画像における予測的・コントラスト的自己教師型学習の展望
Authors: Wei-Chien Wang, Euijoon Ahn, Dagan Feng, Jinman Kim,
Abstract要約: 本稿では,自然画像と医用画像への適応に基づいて,最先端のコントラストSSLアルゴリズムについて検討する。医療分野における対照的なSSLの適用における最近の進歩、現在の制限、今後の方向性について議論することで締めくくられる。
参考スコア（独自算出の注目度）: 12.395493353322237
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Over the last decade, supervised deep learning on manually annotated big data has been progressing significantly on computer vision tasks. But the application of deep learning in medical image analysis was limited by the scarcity of high-quality annotated medical imaging data. An emerging solution is self-supervised learning (SSL), among which contrastive SSL is the most successful approach to rivalling or outperforming supervised learning. This review investigates several state-of-the-art contrastive SSL algorithms originally on natural images as well as their adaptations for medical images, and concludes by discussing recent advances, current limitations, and future directions in applying contrastive SSL in the medical domain.
Abstract（参考訳）: 過去10年間で、手動でアノテートされたビッグデータの教師付きディープラーニングが、コンピュータビジョンタスクで大きく進歩している。しかし, 医用画像解析における深層学習の適用は, 高品質な注記医用画像データの不足によって制限された。 SSLとは対照的なアプローチであり、教師付き学習に対抗したり、性能を向上させるのに最も成功したアプローチである。本稿では,医学領域におけるSSL適用の最近の進歩,現状の限界,今後の方向性について論じる。

関連論文リスト

See Through the Fog: Curriculum Learning with Progressive Occlusion in Medical Imaging [15.382184404673389]
ディープラーニングモデルは、重要な特徴が部分的に、あるいは完全に排除された、困難なイメージに苦しむことが多い。本稿では,隠蔽された医用画像の処理を効果的に行うために,ディープラーニングモデルを訓練するためのカリキュラムベースの新しいアプローチを提案する。
論文参考訳（メタデータ） (2023-06-27T15:53:20Z)
LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical Imaging via Second-order Graph Matching [59.01894976615714]
LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。 55の公開データセットから約13万の医療画像を収集しました。 LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
論文参考訳（メタデータ） (2023-06-20T22:21:34Z)
Know Your Self-supervised Learning: A Survey on Image-based Generative and Discriminative Training [2.2046235060588018]
自然言語処理(NLP)を目的とした自己教師型学習(SSL)は、大きな成功を収めている。 3年以内に、画像に焦点をあてた生成的で差別的なSSLのための100ドル以上のユニークな汎用フレームワークが提案された。
論文参考訳（メタデータ） (2023-05-23T04:54:09Z)
GraVIS: Grouping Augmented Views from Independent Sources for Dermatology Analysis [52.04899592688968]
皮膚科画像から自己教師付き特徴を学習するために特に最適化されたGraVISを提案する。 GraVISは、病変のセグメンテーションと疾患分類のタスクにおいて、転送学習と自己教師型学習を著しく上回っている。
論文参考訳（メタデータ） (2023-01-11T11:38:37Z)
PCRLv2: A Unified Visual Information Preservation Framework for Self-supervised Pre-training in Medical Image Analysis [56.63327669853693]
本稿では,ピクセルレベルの情報を高レベルなセマンティクスに明示的にエンコードするための画素復元タスクを提案する。また,画像理解を支援する強力なツールであるスケール情報の保存についても検討する。提案されている統合SSLフレームワークは、さまざまなタスクで自己管理されたフレームワークを超越している。
論文参考訳（メタデータ） (2023-01-02T17:47:27Z)
Benchmarking Self-Supervised Learning on Diverse Pathology Datasets [10.868779327544688]
自己教師付き学習は、ラベルのないデータを活用する効果的な方法であることが示されている。我々は、病理画像データに基づいてSSL事前トレーニングを行う最大規模の研究を行う。核インスタンスセグメンテーションの課題に対してSSLを初めて適用する。
論文参考訳（メタデータ） (2022-12-09T06:38:34Z)
ConCL: Concept Contrastive Learning for Dense Prediction Pre-training in Pathology Images [47.43840961882509]
自己教師型学習は、このようなアノテーションの多いタスクにアピールする。病理画像における高密度予測タスクのためのSSLメソッドのベンチマークを最初に行った。本研究では,高密度事前学習のためのSSLフレームワークであるコントラスト学習(ConCL)を提案する。
論文参考訳（メタデータ） (2022-07-14T08:38:17Z)
Quantitative Imaging Principles Improves Medical Image Learning [0.0]
我々は、画像品質と定量的生物学的精度を向上させるために、生成SSL中に定量的イメージング原理を取り入れることを提案する。また,臨床定量的解析ソフトウェアを用いた画像も生成する。
論文参考訳（メタデータ） (2022-06-14T07:51:49Z)
Lesion-based Contrastive Learning for Diabetic Retinopathy Grading from Fundus Images [2.498907460918493]
糖尿病網膜症自動評価のための自己教師型フレームワーク,すなわち病変に基づくコントラスト学習を提案する。提案フレームワークは,リニア評価と転送容量評価の両方の観点から,DRグレーディングを際立たせる。
論文参考訳（メタデータ） (2021-07-17T16:30:30Z)
On the Robustness of Pretraining and Self-Supervision for a Deep Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
糖尿病網膜症における訓練方法の違いによる影響を比較検討した。本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
論文参考訳（メタデータ） (2021-06-25T08:32:45Z)
Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文参考訳（メタデータ） (2020-10-09T14:39:27Z)

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。