Fugu-MT 論文翻訳(概要): Model Doctor for Diagnosing and Treating Segmentation Error

論文の概要: Model Doctor for Diagnosing and Treating Segmentation Error

arxiv url: http://arxiv.org/abs/2302.08980v1
Date: Fri, 17 Feb 2023 16:35:24 GMT
ステータス: 処理完了
システム内更新日: 2023-02-20 14:08:00.447954
Title: Model Doctor for Diagnosing and Treating Segmentation Error
Title（参考訳）: セグメンテーションエラーの診断と治療のためのモデル医師
Authors: Zhijie Jia, Lin Chen, Kaiwen Hu, Lechao Cheng, Zunlei Feng, Mingli Song
Abstract要約: 本稿では,意味的セグメンテーション問題に対するモデルドクターを提案する。 Model Doctorは、前述の既存のトレーニング済みモデルの問題を診断し、追加データを導入することなく治療するように設計されている。
参考スコア（独自算出の注目度）: 35.39064452509038
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Despite the remarkable progress in semantic segmentation tasks with the advancement of deep neural networks, existing U-shaped hierarchical typical segmentation networks still suffer from local misclassification of categories and inaccurate target boundaries. In an effort to alleviate this issue, we propose a Model Doctor for semantic segmentation problems. The Model Doctor is designed to diagnose the aforementioned problems in existing pre-trained models and treat them without introducing additional data, with the goal of refining the parameters to achieve better performance. Extensive experiments on several benchmark datasets demonstrate the effectiveness of our method. Code is available at \url{https://github.com/zhijiejia/SegDoctor}.
Abstract（参考訳）: ディープニューラルネットワークの進歩に伴うセマンティックセグメンテーションタスクの著しい進歩にもかかわらず、既存のu字型階層型セグメンテーションネットワークは依然としてカテゴリの局所的誤分類と不正確なターゲット境界に苦しんでいる。この問題を軽減するために,意味的セグメンテーション問題に対するモデルドクターを提案する。モデルドクターは、既存の事前訓練済みモデルの上記の問題を診断し、追加のデータを導入することなく処理し、より良い性能を達成するためにパラメータを精錬することを目的として設計されている。いくつかのベンチマークデータセットに対する大規模な実験により,本手法の有効性が示された。コードは \url{https://github.com/zhijiejia/SegDoctor} で入手できる。

関連論文リスト

Weakly supervised deep learning model with size constraint for prostate cancer detection in multiparametric MRI and generalization to unseen domains [0.90668179713299]
本モデルでは, 完全教師付きベースラインモデルにより, オンパー性能が向上することを示す。また、未確認データドメインでテストした場合、完全に教師付きモデルと弱い教師付きモデルの両方のパフォーマンス低下も観察する。
論文参考訳（メタデータ） (2024-11-04T12:24:33Z)
LoRKD: Low-Rank Knowledge Decomposition for Medical Foundation Models [59.961172635689664]
知識分解」は、特定の医療課題のパフォーマンス向上を目的としている。我々はLow-Rank Knowledge Decomposition(LoRKD)という新しいフレームワークを提案する。 LoRKDは、低ランクのエキスパートモジュールと効率的な知識分離畳み込みを組み込むことで、グラデーションを異なるタスクから明確に分離する。
論文参考訳（メタデータ） (2024-09-29T03:56:21Z)
SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
論文参考訳（メタデータ） (2024-07-23T20:34:23Z)
Synthetic Data for Robust Stroke Segmentation [0.0]
ニューロイメージングにおける病変のセグメンテーションに対する現在のディープラーニングベースのアプローチは、高解像度の画像と広範囲な注釈付きデータに依存することが多い。本稿では,脳卒中病変のセグメンテーションに適した新しい合成データフレームワークを提案する。我々のアプローチは、正常組織と病理組織の両方にまたがるセグメンテーションを促進するために、健康なデータセットと脳卒中データセットからラベルマップでモデルを訓練する。
論文参考訳（メタデータ） (2024-04-02T13:42:29Z)
IterMiUnet: A lightweight architecture for automatic blood vessel segmentation [10.538564380139483]
本稿では,新しい軽量畳み込み型セグメンテーションモデルであるIterMiUnetを提案する。 MiUnetモデルのエンコーダ・デコーダ構造を組み込むことで、その非常にパラメトリズドな性質を克服する。提案モデルは,多くの疾患の早期診断のためのツールとして活用される可能性が大きい。
論文参考訳（メタデータ） (2022-08-02T14:33:14Z)
Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文参考訳（メタデータ） (2020-12-10T04:01:07Z)
An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文参考訳（メタデータ） (2020-12-06T18:55:07Z)
Towards Robust Partially Supervised Multi-Structure Medical Image Segmentation on Small-Scale Data [123.03252888189546]
データ不足下における部分教師付き学習(PSL)における方法論的ギャップを埋めるために,不確実性下でのビシナルラベル(VLUU)を提案する。マルチタスク学習とヴィジナルリスク最小化によって動機づけられたVLUUは、ビジナルラベルを生成することによって、部分的に教師付き問題を完全な教師付き問題に変換する。本研究は,ラベル効率の高い深層学習における新たな研究の方向性を示唆するものである。
論文参考訳（メタデータ） (2020-11-28T16:31:00Z)
RethinkCWS: Is Chinese Word Segmentation a Solved Task? [81.11161697133095]
中国語の単語(CWS)システムの性能は、ディープニューラルネットワークの急速な発展とともに、徐々に高水準に達している。本稿では、私たちが達成した事柄の株式を取得し、CWSタスクに残されている事柄を再考する。
論文参考訳（メタデータ） (2020-11-13T11:07:08Z)
Progressive Adversarial Semantic Segmentation [11.323677925193438]
深い畳み込みニューラルネットワークは、完全な監視が与えられた場合、非常によく機能する。画像解析タスクのための完全教師付きモデルの成功は、大量のラベル付きデータの入手に限られる。本稿では,新しい医用画像分割モデル,Progressive Adrial Semantic(PASS)を提案する。
論文参考訳（メタデータ） (2020-05-08T22:48:00Z)
A generic ensemble based deep convolutional neural network for semi-supervised medical image segmentation [7.141405427125369]
深層畳み込みニューラルネットワーク(DCNN)に基づく画像セグメンテーションのための汎用的な半教師付き学習フレームワークを提案する。本手法は,ラベルなしデータを組み込むことで,完全教師付きモデル学習を超えて大幅に改善することができる。
論文参考訳（メタデータ） (2020-04-16T23:41:50Z)

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。