論文の概要: DeDA: Deep Directed Accumulator

• arxiv url: http://arxiv.org/abs/2303.08434v1
• Date: Wed, 15 Mar 2023 08:12:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-16 14:27:06.238279
• Title: DeDA: Deep Directed Accumulator
• Title（参考訳）: deda: 深い方向のアキュムレータ
• Authors: Hang Zhang, Rongguang Wang, Renjiu Hu, Jinwei Zhang, and Jiahao Li
• Abstract要約: 慢性活動性多発性硬化症病変(リム+病変とも呼ばれる)は、定量的感受性マップ上の病変の端に高強度の縁を特徴付けることができる。 近年の研究では,これらの病変の同定性能は,データ量と高レベルの不均衡のため,未だに満足できないことが示されている。 本稿では,領域固有の帰納バイアス(プライアー)をニューラルネットワークに注入し,リム+病変の同定を行うための,単純かつ効果的な画像処理操作であるディープ指向(DeDA)を提案する。
• 参考スコア（独自算出の注目度）: 10.779418078441065
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Chronic active multiple sclerosis lesions, also termed as rim+ lesions, can be characterized by a hyperintense rim at the edge of the lesion on quantitative susceptibility maps. These rim+ lesions exhibit a geometrically simple structure, where gradients at the lesion edge are radially oriented and a greater magnitude of gradients is observed in contrast to rim- (non rim+) lesions. However, recent studies have shown that the identification performance of such lesions remains unsatisfied due to the limited amount of data and high class imbalance. In this paper, we propose a simple yet effective image processing operation, deep directed accumulator (DeDA), that provides a new perspective for injecting domain-specific inductive biases (priors) into neural networks for rim+ lesion identification. Given a feature map and a set of sampling grids, DeDA creates and quantizes an accumulator space into finite intervals, and accumulates feature values accordingly. This DeDA operation is a generalized discrete Radon transform and can also be regarded as a symmetric operation to the grid sampling within the forward-backward neural network framework, the process of which is order-agnostic, and can be efficiently implemented with the native CUDA programming. Experimental results on a dataset with 177 rim+ and 3986 rim- lesions show that 10.1% of improvement in a partial (false positive rate<0.1) area under the receiver operating characteristic curve (pROC AUC) and 10.2% of improvement in an area under the precision recall curve (PR AUC) can be achieved respectively comparing to other state-of-the-art methods. The source code is available online at https://github.com/tinymilky/DeDA
• Abstract（参考訳）: 慢性活動性多発性硬化症病変(リム+病変とも呼ばれる)は、定量的感受性マップ上の病変の端に高強度の縁を特徴付けることができる。 これらのリム+病変は幾何学的に単純な構造であり、縁縁の勾配は放射指向であり、リム+(非リム+)病変とは対照的に大きな勾配が観察される。 しかし,近年の研究では,これらの病変の同定性能はデータ量が少なく,高次不均衡のため満足できないことが示されている。 本稿では,単純かつ効果的な画像処理操作であるdeda(deep directed accumulator)を提案し,rim+病変同定のためのニューラルネットワークにドメイン固有誘導バイアス(prior)を注入する新しい展望を提供する。 特徴写像とサンプリンググリッドのセットが与えられたとき、DeDAはアキュムレータ空間を有限間隔に生成し、それに従って特徴値を蓄積する。 このdeda演算は一般化された離散ラドン変換であり、フォワードバックワードニューラルネットワークフレームワーク内のグリッドサンプリングに対する対称演算と見なすことができ、そのプロセスは順序非依存であり、ネイティブcudaプログラミングで効率的に実装できる。 177 rim+ と 3986 rim- lesion のデータセットによる実験結果から、受信機動作特性曲線 (pROC AUC) における部分的(偽陽性率<0.1)領域の改善の10.1%、高精度リコール曲線 (PR AUC) 下の領域の改善の10.2%が、他の最先端手法と比較してそれぞれ達成できることが示された。 ソースコードはhttps://github.com/tinymilky/DeDAで公開されている。

関連論文リスト

• Region Guided Attention Network for Retinal Vessel Segmentation [19.587662416331682]
  本稿では,領域誘導型アテンションを用いたエンコーダデコーダ機構に基づく軽量網膜血管セグメンテーションネットワークを提案する。 Dice Losは偽陽性と偽陰性を等しく解析し、モデルがより正確なセグメンテーションを生成するように促す。 ベンチマークデータセットの実験では、最先端の手法と比較して、パフォーマンス(0.8285, 0.8098, 0.9677, 0.8166リコール、精度、精度、F1スコア)が向上した。
  論文  参考訳（メタデータ） (2024-07-22T00:08:18Z)
• Rethinking PGD Attack: Is Sign Function Necessary? [131.6894310945647]
  本稿では,このような手話に基づく更新アルゴリズムが段階的攻撃性能にどのように影響するかを理論的に分析する。 本稿では,手話の使用を排除したRGDアルゴリズムを提案する。 提案したRGDアルゴリズムの有効性は実験で広く実証されている。
  論文  参考訳（メタデータ） (2023-12-03T02:26:58Z)
• FS-Net: Full Scale Network and Adaptive Threshold for Improving Extraction of Micro-Retinal Vessel Structures [4.776514178760067]
  本稿では,エンコーダ・デコーダニューラルネットワークアーキテクチャに基づく大規模マイクロ容器抽出機構を提案する。 提案手法はDRIVE,CHASE-DB1,STAREデータセットを用いて評価されている。
  論文  参考訳（メタデータ） (2023-11-14T10:32:17Z)
• Cross-Dataset Adaptation for Instrument Classification in Cataract Surgery Videos [54.1843419649895]
  特定のデータセットでこのタスクをうまく実行する最先端モデルでは、別のデータセットでテストすると、パフォーマンスが低下する。 本稿では,Barlow Adaptorと呼ばれる新しいエンドツーエンドのUnsupervised Domain Adaptation (UDA)手法を提案する。 さらに,BFAL(Barlow Feature Alignment Loss)と呼ばれる,異なるドメインにまたがる特徴を整列させる新たな損失を導入する。
  論文  参考訳（メタデータ） (2023-07-31T18:14:18Z)
• 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)
• Segmentation of Blood Vessels, Optic Disc Localization, Detection of Exudates and Diabetic Retinopathy Diagnosis from Digital Fundus Images [0.0]
  糖尿病網膜症(英: Diabetic Retinopathy, DR)は、慢性糖尿病の合併症の一つで、世界有数の失明の原因の一つである。 本稿では, DR, viz. 血管および排出液の特徴を抽出する改良的, 堅牢な方法に焦点を当てた。 血管のセグメンテーション、光ディスクの局在、DCNNはそれぞれ95.93%、98.77%、75.73%である。
  論文  参考訳（メタデータ） (2022-07-09T22:26:04Z)
• Building Brains: Subvolume Recombination for Data Augmentation in Large Vessel Occlusion Detection [56.67577446132946]
  この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。 そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。 拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
  論文  参考訳（メタデータ） (2022-05-05T10:31:57Z)
• 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)
• Probabilistic Numeric Convolutional Neural Networks [80.42120128330411]
  画像や時系列などの連続的な入力信号は、不規則にサンプリングされたり、値が欠けていたりすることは、既存のディープラーニング手法では困難である。 ガウス過程(GP)として特徴を表す確率的畳み込みニューラルネットワークを提案する。 次に、畳み込み層を、このGP上で定義されたPDEの進化として定義し、次いで非線形性とする。 実験では,SuperPixel-MNISTデータセットの先行技術と医療時間2012データセットの競合性能から,提案手法の誤差を3倍に削減できることが示されている。
  論文  参考訳（メタデータ） (2020-10-21T10:08:21Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)

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。