Fugu-MT 論文翻訳(概要): EDMAE: An Efficient Decoupled Masked Autoencoder for Standard View Identification in Pediatric Echocardiography

論文の概要: EDMAE: An Efficient Decoupled Masked Autoencoder for Standard View Identification in Pediatric Echocardiography

arxiv url: http://arxiv.org/abs/2302.13869v1
Date: Mon, 27 Feb 2023 15:17:01 GMT
ステータス: 処理完了
システム内更新日: 2023-02-28 15:12:08.922618
Title: EDMAE: An Efficient Decoupled Masked Autoencoder for Standard View Identification in Pediatric Echocardiography
Title（参考訳）: EDMAE:小児心エコー図における高効率非結合型マスク付きオートエンコーダ
Authors: Yiman Liu, Xiaoxiang Han, Tongtong Liang, Qiaohong Liu, Qingli Li, Yuqi Zhang
Abstract要約: 小児心エコー図における標準視認のための効率的な分離マスクオートエンコーダ(EDMAE)を提案する。 EDMAEは、大規模な未ラベル小児心エコーデータセット上で事前訓練され、標準平面認識の下流タスクにおいて優れた性能を達成する。
参考スコア（独自算出の注目度）: 10.971190606637801
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose an efficient decoupled mask autoencoder (EDMAE) for standard view recognition in Pediatric Echocardiography, which is an unsupervised (or self-supervised) method. By building a novel proxy task, EDMAE is pretrained on a large-scale unlabeled pediatric cardiac ultrasound dataset to achieve excellent performance in downstream tasks of standard plane recognition. EDMAE improves training efficiency by using pure convolutional operations, and forces the encoder to extract more and higher quality semantic information by decoupling the encoder and decoder. Extensive experiments have demonstrated the effectiveness of the proposed method.
Abstract（参考訳）: 小児心エコー図における標準視野認識のための非教師なし(または自己教師なし)方式であるedmae(decoupled mask autoencoder)を提案する。新規なプロキシタスクを構築することにより、EDMAEは大規模な未ラベル小児心エコーデータセット上で事前訓練され、標準平面認識の下流タスクにおいて優れた性能を達成する。 EDMAEは純粋な畳み込み操作を使用することでトレーニング効率を向上し、エンコーダとデコーダを分離することにより、エンコーダにより高品質なセマンティック情報を抽出させる。提案手法の有効性を実験により実証した。

関連論文リスト

DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler Signal [48.97719097435527]
DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
論文参考訳（メタデータ） (2023-05-15T18:19:29Z)
Rethinking Boundary Detection in Deep Learning Models for Medical Image Segmentation [27.322629156662547]
Convolution, Transformer, Operator (CTO) と呼ばれる新しいネットワークアーキテクチャを提案する。 CTOは、高い認識精度を達成するために、畳み込みニューラルネットワーク(CNN)、ビジョントランスフォーマー(ViT)、および明示的な境界検出演算子を組み合わせている。提案手法の性能を6つの挑戦的医用画像セグメンテーションデータセットで評価した。
論文参考訳（メタデータ） (2023-05-01T06:13:08Z)
Attentive Symmetric Autoencoder for Brain MRI Segmentation [56.02577247523737]
視覚変換器(ViT)をベースとした3次元脳MRIセグメンテーションタスクのための新しいアテンテーティブシンメトリオートエンコーダを提案する。事前学習の段階では、提案するオートエンコーダがより注意を払って、勾配測定値に従って情報パッチを再構築する。実験の結果,提案手法は最先端の自己教師付き学習法や医用画像分割モデルよりも優れていた。
論文参考訳（メタデータ） (2022-09-19T09:43:19Z)
Masked Autoencoders that Listen [79.99280830830854]
本稿では,画像ベースMasked Autoencoders(MAE)の音声スペクトログラムからの自己教師型表現学習への簡単な拡張について検討する。 MAEにおけるTransformer encoder-decoderの設計に続いて、Audio-MAEはまず、ハイマスキング比でオーディオスペクトログラムパッチを符号化し、エンコーダ層を介して非マスキングトークンのみを供給します。次にデコーダは、入力スペクトログラムを再構築するために、マスクトークンでパッドされたエンコードされたコンテキストを再注文し、デコードする。
論文参考訳（メタデータ） (2022-07-13T17:59:55Z)
LoopITR: Combining Dual and Cross Encoder Architectures for Image-Text Retrieval [117.15862403330121]
共同学習のためのネットワークにおいて,デュアルエンコーダとクロスエンコーダを組み合わせたLoopITRを提案する。具体的には、二重エンコーダをクロスエンコーダに強陰性を与え、より識別性の高いクロスエンコーダを用いてその予測を二重エンコーダに戻す。
論文参考訳（メタデータ） (2022-03-10T16:41:12Z)
Scribble-Supervised Medical Image Segmentation via Dual-Branch Network and Dynamically Mixed Pseudo Labels Supervision [15.414578073908906]
単純で効率的なスクリブル教師付き画像分割法を提案し,それを心臓MRIセグメント化に適用する。このスクリブル・インスペクションと補助擬似ラベル・インスペクションを組み合わせることで、デュアルブランチ・ネットワークは、スクリブル・アノテーションからエンドツーエンドまで効率的に学習することができる。
論文参考訳（メタデータ） (2022-03-04T02:50:30Z)
Context Autoencoder for Self-Supervised Representation Learning [64.63908944426224]
符号化された表現空間で予測を行うことにより、符号化器を事前訓練する。ネットワークはエンコーダ/レグレッサ/デコーダアーキテクチャである。下流タスクにおける転送性能の向上によるCAEの有効性を実証する。
論文参考訳（メタデータ） (2022-02-07T09:33:45Z)
Masked Autoencoders Are Scalable Vision Learners [60.97703494764904]
Masked Autoencoders (MAE) は、コンピュータビジョンのためのスケーラブルな自己教師型学習システムである。我々は入力画像のランダムなパッチを隠蔽し、欠落したピクセルを再構成する。これら2つの設計を結合することで,大規模モデルを効率的かつ効率的にトレーニングすることが可能になります。
論文参考訳（メタデータ） (2021-11-11T18:46:40Z)
Unsupervised multi-latent space reinforcement learning framework for video summarization in ultrasound imaging [0.0]
新型コロナウイルス(COVID-19)のパンデミックは、超音波スキャンのトリアージを高速化するツールの必要性を強調している。提案手法は,この方向への一歩である。そこで我々は,新しい報酬を伴う教師なし強化学習フレームワークを提案する。
論文参考訳（メタデータ） (2021-09-03T04:50:35Z)
EncoderMI: Membership Inference against Pre-trained Encoders in Contrastive Learning [27.54202989524394]
コントラスト学習によって事前訓練された画像エンコーダに対する最初のメンバーシップ推論手法であるMIを提案する。複数のデータセットで事前学習した画像エンコーダと、OpenAIが収集した4億(画像、テキスト)のペアで事前学習したContrastive Language- Image Pre-training (CLIP)画像エンコーダの評価を行った。
論文参考訳（メタデータ） (2021-08-25T03:00:45Z)
Atrous Residual Interconnected Encoder to Attention Decoder Framework for Vertebrae Segmentation via 3D Volumetric CT Images [1.8146155083014204]
本稿では,3次元容積CT画像を用いた新しい椎骨分割法を提案する。提案モデルは,ミニバッチトレーニング性能の最適化にレイヤ正規化を用いた,エンコーダからデコーダへの構造に基づく。実験の結果,本モデルは他の医学的意味セグメンテーション法と比較して競争力が得られた。
論文参考訳（メタデータ） (2021-04-08T12:09:16Z)

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。