論文の概要: A Global and Patch-wise Contrastive Loss for Accurate Automated Exudate Detection

• arxiv url: http://arxiv.org/abs/2302.11517v1
• Date: Wed, 22 Feb 2023 17:39:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-23 14:27:52.371798
• Title: A Global and Patch-wise Contrastive Loss for Accurate Automated Exudate Detection
• Title（参考訳）: 高精度自動発声検出のための大域的およびパッチ的コントラスト損失
• Authors: Wei Tang, Yinxiao Wang, Kangning Cui, and Raymond H. Chan
• Abstract要約: 本稿では,グローバルセグメンテーション損失,パッチワイド密度損失,パッチワイドエッジ認識損失を含む損失関数を提案する。 その結果,パッチワイド・コントラッシブ・ロスを取り入れたネットワーク性能が大幅に向上した。
• 参考スコア（独自算出の注目度）: 15.161938525881014
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diabetic retinopathy (DR) is a leading cause of blindness worldwide. Early diagnosis is essential in the treatment of diabetes and can assist in preventing vision impairment. Since manual annotation of medical images is time-consuming, costly, and prone to subjectivity that leads to inconsistent diagnoses, several deep learning segmentation approaches have been proposed to address these challenges. However, these networks often rely on simple loss functions, such as binary cross entropy (BCE), which may not be sophisticated enough to effectively segment lesions such as those present in DR. In this paper, we propose a loss function that incorporates a global segmentation loss, a patch-wise density loss, and a patch-wise edge-aware loss to improve the performance of these networks on the detection and segmentation of hard exudates. Comparing our proposed loss function against the BCE loss on several state-of-the-art networks, our experimental results reveal substantial improvement in network performance achieved by incorporating the patch-wise contrastive loss.
• Abstract（参考訳）: 糖尿病網膜症(DR)は、世界中の視覚障害の主要な原因である。 早期診断は糖尿病の治療に必須であり、視力障害の予防に有効である。 医用画像の手動アノテーションは時間的・費用的・主観性に乏しいため、これらの課題に対処するためにいくつかの深層学習セグメンテーションアプローチが提案されている。 しかし、これらのネットワークは、DRに存在するような病変を効果的に分断するほど高度でないバイナリクロスエントロピー(BCE)のような単純な損失関数に頼りがちである。この記事では、グローバルなセグメンテーション損失、パッチワイド密度損失、パッチワイドエッジ認識損失を組み込んだロス関数を提案し、ハードアウトダクトの検出とセグメンテーションにおけるこれらのネットワークの性能を向上させる。 提案する損失関数と最先端ネットワークのbce損失を比較して,パッチ方向のコントラスト損失を組み込んだネットワーク性能の大幅な向上を実証した。

関連論文リスト

• Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
  アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。 我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。 本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T02:06:05Z)
• DDSB: An Unsupervised and Training-free Method for Phase Detection in Echocardiography [37.32413956117856]
  本研究では,End-Diastolic (ED) フレームとEnd-Systolic (ES) フレームを識別するための教師なしおよびトレーニング不要な手法を提案する。 アンカー点の同定と方向変形解析により,初期セグメンテーション画像の精度への依存性を効果的に低減する。 本手法は,学習モデルと同等の精度を,関連する欠点を伴わずに達成する。
  論文  参考訳（メタデータ） (2024-03-19T14:51:01Z)
• Semi- and Weakly-Supervised Learning for Mammogram Mass Segmentation with Limited Annotations [49.33388736227072]
  本稿では,マスセグメンテーションのための半弱教師付き学習フレームワークを提案する。 良好な性能を得るために, 限られた強ラベルのサンプルと十分な弱ラベルのサンプルを用いる。 CBIS-DDSMおよびINbreastデータセットを用いた実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-03-14T12:05:25Z)
• Leveraging Semi-Supervised Graph Learning for Enhanced Diabetic Retinopathy Detection [0.0]
  糖尿病網膜症(DR: Diabetic Retinopathy)は、早期発見と治療の急激な必要性を浮き彫りにしている。 機械学習(ML)技術の最近の進歩は、DR検出における将来性を示しているが、ラベル付きデータの可用性は、しばしばパフォーマンスを制限している。 本研究では,DR検出に適したSemi-Supervised Graph Learning SSGLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-02T04:42:08Z)
• Towards Generalizable Diabetic Retinopathy Grading in Unseen Domains [6.147573427718534]
  我々は、GDRNet(Generalizable Diabetic Retinopathy Grading Network)という新しい統合フレームワークを提案する。 GDRNetは、Fundus visual-artifact augmentation (FundusAug), dynamic hybrid-supervised loss (DahLoss), domain-class-aware re-balancing (DCR)の3つの重要なコンポーネントで構成されている。
  論文  参考訳（メタデータ） (2023-07-10T07:24:44Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Bag of Tricks for Developing Diabetic Retinopathy Analysis Framework to Overcome Data Scarcity [6.802798389355481]
  糖尿病網膜症 (DR) 解析課題として, 病変分割, 画像品質評価, DRグレーディングについて検討した。 各タスクに対して,アンサンブル学習,データ強化,半教師付き学習を活用した堅牢な学習手法を導入する。 疑似ラベルの負の効果を低減するため,モデルの信頼度スコアに基づいて不確実な擬似ラベルを除外する信頼性の高い擬似ラベルを提案する。
  論文  参考訳（メタデータ） (2022-10-18T03:25:00Z)
• Self-Supervised Equivariant Regularization Reconciles Multiple Instance Learning: Joint Referable Diabetic Retinopathy Classification and Lesion Segmentation [3.1671604920729224]
  病変の出現は、糖尿病網膜症(rDR)と非参照性DRを区別する重要な手がかりである。 既存の大規模DRデータセットの多くは、ピクセルベースのアノテーションではなく、画像レベルのラベルのみを含む。 本稿では,自己教師付き同変学習と注目型マルチインスタンス学習を活用し,この問題に対処する。 我々はEyepacsデータセット上で広範囲な検証実験を行い、0.958の受信器動作特性曲線(AU ROC)の領域を達成し、現在の最先端アルゴリズムより優れている。
  論文  参考訳（メタデータ） (2022-10-12T06:26:05Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• Towards Unbiased COVID-19 Lesion Localisation and Segmentation via Weakly Supervised Learning [66.36706284671291]
  本研究では,画像レベルラベルのみに監視されたデータ駆動型フレームワークを提案する。 このフレームワークは、生成する対向ネットワークと病変特異的デコーダの助けを借りて、原画像から潜在的な病変を明示的に分離することができる。
  論文  参考訳（メタデータ） (2021-03-01T06:05:49Z)
• Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
  異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。 新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
  論文  参考訳（メタデータ） (2020-12-08T02:26:03Z)

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。