論文の概要: Hybrid Dual Mean-Teacher Network With Double-Uncertainty Guidance for
Semi-Supervised Segmentation of MRI Scans
- arxiv url: http://arxiv.org/abs/2303.05126v1
- Date: Thu, 9 Mar 2023 09:16:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-10 15:26:16.944225
- Title: Hybrid Dual Mean-Teacher Network With Double-Uncertainty Guidance for
Semi-Supervised Segmentation of MRI Scans
- Title(参考訳): MRIスキャンの半教師分割のための二重不確実性誘導を用いたハイブリッドデュアル平均教師ネットワーク
- Authors: Jiayi Zhu, Bart Bolsterlee, Brian V. Y. Chow, Yang Song, Erik
Meijering
- Abstract要約: 本稿では,高効率な半教師付きセグメンテーションを実現するために,ハイブリッド,半教師付き,マルチタスク学習を備えたハイブリッドデュアル平均教師モデルを提案する。
- 参考スコア(独自算出の注目度): 11.762045723792266
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Semi-supervised learning has made significant progress in medical image
segmentation. However, existing methods primarily utilize information acquired
from a single dimensionality (2D/3D), resulting in sub-optimal performance on
challenging data, such as magnetic resonance imaging (MRI) scans with multiple
objects and highly anisotropic resolution. To address this issue, we present a
Hybrid Dual Mean-Teacher (HD-Teacher) model with hybrid, semi-supervised, and
multi-task learning to achieve highly effective semi-supervised segmentation.
HD-Teacher employs a 2D and a 3D mean-teacher network to produce segmentation
labels and signed distance fields from the hybrid information captured in both
dimensionalities. This hybrid learning mechanism allows HD-Teacher to combine
the `best of both worlds', utilizing features extracted from either 2D, 3D, or
both dimensions to produce outputs as it sees fit. Outputs from 2D and 3D
teacher models are also dynamically combined, based on their individual
uncertainty scores, into a single hybrid prediction, where the hybrid
uncertainty is estimated. We then propose a hybrid regularization module to
encourage both student models to produce results close to the
uncertainty-weighted hybrid prediction. The hybrid uncertainty suppresses
unreliable knowledge in the hybrid prediction, leaving only useful information
to improve network performance further. Extensive experiments of binary and
multi-class segmentation conducted on three MRI datasets demonstrate the
effectiveness of the proposed framework. Code is available at
https://github.com/ThisGame42/Hybrid-Teacher.
- Abstract(参考訳): 半教師付き学習は、医用画像のセグメンテーションに大きな進歩をもたらした。
しかし、既存の手法では、主に1次元(2D/3D)から取得した情報を利用するため、複数の物体を持つMRI(MRI)スキャンや高異方性分解能などの課題データに対する準最適性能が得られる。
この問題に対処するために,ハイブリット,セミ教師付き,マルチタスク学習を併用したハイブリットデュアル平均教師モデルを提案し,高い効率のセミ教師付きセグメンテーションを実現する。
HD-Teacherは2Dおよび3D平均教師ネットワークを使用して、両方の次元でキャプチャされたハイブリッド情報からセグメンテーションラベルと符号付き距離フィールドを生成する。
このハイブリッド学習メカニズムにより、hd-teacherは2d、3d、または両方の次元から抽出された特徴を利用して、適合するアウトプットを生成することができる。
2次元および3次元教師モデルからの出力も、個々の不確実性スコアに基づいて動的に結合され、ハイブリッド不確実性が推定される。
次に,両学習モデルが不確実性重み付けハイブリッド予測に近い結果を生成することを奨励するハイブリッド正規化モジュールを提案する。
ハイブリッド不確実性は、ハイブリッド予測における信頼できない知識を抑制し、有用な情報のみを残してネットワーク性能をさらに向上させる。
3つのmriデータセットを用いたバイナリおよびマルチクラスセグメンテーションの広範な実験により,提案手法の有効性が示された。
コードはhttps://github.com/ThisGame42/Hybrid-Teacherで入手できる。
関連論文リスト
- SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion
Classification Using 3D Multi-Phase Imaging [59.78761085714715]
本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。
提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。
科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
論文 参考訳(メタデータ) (2024-02-27T06:32:56Z) - Simultaneous Alignment and Surface Regression Using Hybrid 2D-3D
Networks for 3D Coherent Layer Segmentation of Retinal OCT Images with Full
and Sparse Annotations [32.69359482975795]
本研究は, ハイブリッド2D-3D畳み込みニューラルネットワーク(CNN)を基盤として, OCTボリュームから連続した3次元網膜層表面を得るための新しい枠組みを提案する。
人工的データセットと3つのパブリックな臨床データセットの実験により、我々のフレームワークは、潜在的運動補正のためにBスキャンを効果的に調整できることを示した。
論文 参考訳(メタデータ) (2023-12-04T08:32:31Z) - UniM$^2$AE: Multi-modal Masked Autoencoders with Unified 3D
Representation for 3D Perception in Autonomous Driving [51.37470133438836]
Masked Autoencoders (MAE)は、強力な表現の学習において重要な役割を担い、様々な3D知覚タスクにおいて優れた結果をもたらす。
この研究は、自律運転における統一された表現空間に適したマルチモーダルのMasked Autoencodersに展開する。
画像に固有のセマンティクスとLiDAR点雲の幾何学的複雑さを複雑に結合するために、UniM$2$AEを提案する。
論文 参考訳(メタデータ) (2023-08-21T02:13:40Z) - Interpretable 2D Vision Models for 3D Medical Images [47.75089895500738]
本研究では,3次元画像処理における中間特徴表現を用いた2次元ネットワークの適応手法を提案する。
我々は、ベンチマークとして3D MedMNISTデータセットと、既存の手法に匹敵する数百の高分解能CTまたはMRIスキャンからなる2つの実世界のデータセットを示す。
論文 参考訳(メタデータ) (2023-07-13T08:27:09Z) - Semi-Supervised Hybrid Spine Network for Segmentation of Spine MR Images [14.190504802866288]
半教師付き複合脊椎ネットワーク (SSHSNet) という2段階のアルゴリズムを提案し, 同時椎体 (VBs) と椎間板 (IVDs) のセグメンテーションを実現する。
まず,2次元半監督型DeepLabv3+をクロス擬似監督を用いて構築し,スライス内特徴と粗いセグメンテーションを得た。
2段目では、3Dフル解像度のパッチベースのDeepLabv3+がスライス間情報を抽出するために構築された。
その結果,提案手法はデータ不均衡問題に対処する上で大きな可能性を秘めていることがわかった。
論文 参考訳(メタデータ) (2022-03-23T02:57:14Z) - DetMatch: Two Teachers are Better Than One for Joint 2D and 3D
Semi-Supervised Object Detection [29.722784254501768]
DetMatchは、2Dおよび3Dモダリティに関する共同半教師付き学習のための柔軟なフレームワークである。
両方のセンサーで検出された物体を識別することで、パイプラインはよりクリーンで堅牢な擬似ラベルを生成する。
我々はRGB画像のよりリッチなセマンティクスを活用して、誤った3Dクラスの予測を修正し、3Dボックスのローカライズを改善する。
論文 参考訳(メタデータ) (2022-03-17T17:58:00Z) - Multimodal Semi-Supervised Learning for 3D Objects [19.409295848915388]
本稿では,3次元の分類処理と検索処理の両方において,異なる3次元データのモデルのコヒーレンスを用いてデータ効率を向上させる方法について検討する。
本稿では、インスタンスレベルの一貫性制約を導入し、新しいマルチモーダル・コントラッシブ・プロトタイプ(M2CP)の損失を減らし、新しいマルチモーダル・セミ教師付き学習フレームワークを提案する。
提案するフレームワークは,モデルNet10およびモデルNet40データセットにおいて,分類タスクと検索タスクの両方において,最先端のすべての処理性能を大幅に上回っている。
論文 参考訳(メタデータ) (2021-10-22T05:33:16Z) - Similarity-Aware Fusion Network for 3D Semantic Segmentation [87.51314162700315]
本研究では,3次元セマンティックセグメンテーションのための2次元画像と3次元点雲を適応的に融合する類似性認識融合ネットワーク(SAFNet)を提案する。
我々は、入力とバックプロジェクションされた(2Dピクセルから)点雲の間の幾何学的および文脈的類似性を初めて学習する、後期融合戦略を採用している。
SAFNetは、様々なデータ完全性にまたがって、既存の最先端の核融合ベースのアプローチを著しく上回っている。
論文 参考訳(メタデータ) (2021-07-04T09:28:18Z) - HIVE-Net: Centerline-Aware HIerarchical View-Ensemble Convolutional
Network for Mitochondria Segmentation in EM Images [3.1498833540989413]
より効率的な2次元畳み込みを用いた3次元空間コンテキスト学習のための新しい階層型ビューアンサンブル畳み込み(HVEC)を提案する。
提案手法は, 精度と画質は良好だが, モデルサイズは大幅に小さく, 最先端の手法に対して好適に機能する。
論文 参考訳(メタデータ) (2021-01-08T06:56:40Z) - TSGCNet: Discriminative Geometric Feature Learning with Two-Stream
GraphConvolutional Network for 3D Dental Model Segmentation [141.2690520327948]
2流グラフ畳み込みネットワーク(TSGCNet)を提案し、異なる幾何学的特性から多視点情報を学ぶ。
3次元口腔内スキャナーで得られた歯科モデルのリアルタイムデータセットを用いてTSGCNetの評価を行った。
論文 参考訳(メタデータ) (2020-12-26T08:02:56Z) - M2Net: Multi-modal Multi-channel Network for Overall Survival Time
Prediction of Brain Tumor Patients [151.4352001822956]
生存時間(OS)の早期かつ正確な予測は、脳腫瘍患者に対するより良い治療計画を得るのに役立つ。
既存の予測手法は、磁気共鳴(MR)ボリュームの局所的な病変領域における放射能特性に依存している。
我々は,マルチモーダルマルチチャネルネットワーク(M2Net)のエンドツーエンドOS時間予測モデルを提案する。
論文 参考訳(メタデータ) (2020-06-01T05:21:37Z)
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。