Fugu-MT 論文翻訳(概要): Learning from Noisy Labels Generated by Extremely Point Annotations for OCT Fluid Segmentation

論文の概要: Learning from Noisy Labels Generated by Extremely Point Annotations for OCT Fluid Segmentation

arxiv url: http://arxiv.org/abs/2306.02582v1
Date: Mon, 5 Jun 2023 04:21:00 GMT
ステータス: 処理完了
システム内更新日: 2023-06-06 16:47:12.705413
Title: Learning from Noisy Labels Generated by Extremely Point Annotations for OCT Fluid Segmentation
Title（参考訳）: oct流体セグメンテーションのための極端点アノテーションによる雑音ラベルからの学習
Authors: Tengjin Weng, Yang Shen, Kai Jin, Zhiming Cheng, Yunxiang Li, Gewen Zhang, and Shuai Wang
Abstract要約: 弱点アノテーションからノイズラベルを生成するための超画素誘導方式を提案する。また,多カテゴリ OCT 流体セグメンテーションのための2段階平均教師支援信頼学習法を提案する。
参考スコア（独自算出の注目度）: 8.709560975298324
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Automatic segmentation of fluid in OCT (Optical Coherence Tomography) images is beneficial for ophthalmologists to make an accurate diagnosis. Currently, data-driven convolutional neural networks (CNNs) have achieved great success in OCT fluid segmentation. However, obtaining pixel-level masks of OCT images is time-consuming and requires expertise. The popular weakly-supervised strategy is to generate noisy pseudo-labels from weak annotations, but the noise information introduced may mislead the model training. To address this issue, (i) we propose a superpixel-guided method for generating noisy labels from weak point annotations, called Point to Noisy by Superpixel (PNS), which limits the network from over-fitting noise by assigning low confidence to suspiciously noisy label pixels, and (ii) we propose a Two-Stage Mean-Teacher-assisted Confident Learning (2SMTCL) method based on MTCL for multi-category OCT fluid segmentation, which alleviates the uncertainty and computing power consumption introduced by the real-time characterization noise of MTCL. For evaluation, we have constructed a 2D OCT fluid segmentation dataset. Compared with other state-of-art label-denoising methods, comprehensive experimental results demonstrate that the proposed method can achieve excellent performance in OCT fluid segmentation as well as label denoising. Our study provides an efficient, accurate, and practical solution for fluid segmentation of OCT images, which is expected to have a positive impact on the diagnosis and treatment of patients in the field of ophthalmology.
Abstract（参考訳）: OCT(Optical Coherence Tomography)画像における液体の自動分画は眼科医が正確な診断に有用である。現在、データ駆動畳み込みニューラルネットワーク(CNN)はOCT流体セグメンテーションにおいて大きな成功を収めている。しかし,OCT画像のピクセルレベルのマスクの取得には時間がかかり,専門知識が必要である。一般的な弱い教師付き戦略は、弱いアノテーションからノイズの多い擬似ラベルを生成することであるが、導入されるノイズ情報はモデルのトレーニングを誤解させる可能性がある。この問題に対処する。 (i)低信頼度を疑わしいラベル画素に割り当てることにより、ネットワークが過度に収まるノイズを抑える、PNS(Point to Noisy by Superpixel)と呼ばれる弱い点アノテーションからノイズラベルを生成するスーパーピクセル誘導方式を提案する。 (II) MTCLのリアルタイム評価ノイズによる不確実性と計算電力消費を軽減するため, MTCLをベースとした2段階平均教師支援信頼学習法(2SMTCL)を提案する。評価のために2次元CT流体セグメンテーションデータセットを構築した。他の最先端ラベルデノゲーション法と比較して,本手法がOCT流体セグメンテーションおよびラベルデノゲーションにおいて優れた性能を発揮することを示す。本研究は,眼科領域における患者の診断と治療に肯定的な影響を与えると考えられたCT画像の流体分画に対する,効率的で正確かつ実用的な解決策を提供する。

関連論文リスト

SP${ }^3$ : Superpixel-propagated pseudo-label learning for weakly semi-supervised medical image segmentation [10.127428696255848]
弱半教師付きセグメンテーションにおいて,超Pixel-Propagated Pseudo-label Learning法を提案する。本手法は,WSSS設定下での腫瘍と臓器のセグメンテーションデータセットの最先端性能を実現する。
論文参考訳（メタデータ） (2024-11-18T15:14:36Z)
Pseudo Label-Guided Data Fusion and Output Consistency for Semi-Supervised Medical Image Segmentation [9.93871075239635]
より少ないアノテーションで医用画像のセグメンテーションを行うための平均教師ネットワーク上に構築されたPLGDFフレームワークを提案する。本稿では,ラベル付きデータとラベルなしデータを組み合わせてデータセットを効果的に拡張する,新しい擬似ラベル利用方式を提案する。本フレームワークは,最先端の6つの半教師あり学習手法と比較して,優れた性能が得られる。
論文参考訳（メタデータ） (2023-11-17T06:36:43Z)
Dual-Decoder Consistency via Pseudo-Labels Guided Data Augmentation for Semi-Supervised Medical Image Segmentation [13.707121013895929]
本稿では, Pseudo-Labels Guided Data Augmentation を用いた新しい半教師付き学習手法である Dual-Decoder Consistency を提案する。我々は、同じエンコーダを維持しながら、生徒と教師のネットワークに異なるデコーダを使用します。ラベルのないデータから学習するために、教師ネットワークによって生成された擬似ラベルを作成し、擬似ラベルでトレーニングデータを増強する。
論文参考訳（メタデータ） (2023-08-31T09:13:34Z)
Dense FixMatch: a simple semi-supervised learning method for pixel-wise prediction tasks [68.36996813591425]
Dense FixMatchは,高密度かつ構造化された予測タスクのオンライン半教師付き学習のための簡易な手法である。我々は、擬似ラベルにマッチング操作を追加することにより、画像分類を超えた半教師付き学習問題にFixMatchの適用を可能にする。 Dense FixMatchは、ラベル付きデータのみを使用して教師付き学習と比較すると、結果を著しく改善し、ラベル付きサンプルの1/4でそのパフォーマンスに近づいた。
論文参考訳（メタデータ） (2022-10-18T15:02:51Z)
Incorporating Semi-Supervised and Positive-Unlabeled Learning for Boosting Full Reference Image Quality Assessment [73.61888777504377]
フル参照(FR)画像品質評価(IQA)は、その知覚的差異をプリズム品質基準で測定することにより、歪み画像の視覚的品質を評価する。ラベルなしデータは、画像劣化または復元プロセスから容易に収集することができ、ラベルなしのトレーニングデータを利用してFR-IQA性能を高めることを奨励する。本稿では, 半教師付き, 正の未ラベル学習(PU)を用いて, ラベルなしデータを活用し, オフレーヤの悪影響を軽減することを提案する。
論文参考訳（メタデータ） (2022-04-19T09:10:06Z)
Nuclei Segmentation with Point Annotations from Pathology Images via Self-Supervised Learning and Co-Training [44.13451004973818]
核分割のための弱い教師付き学習法を提案する。粗いピクセルレベルのラベルは、ボロノイ図に基づく点アノテーションから導かれる。病理画像の核分割に適した自己教師付き視覚表現学習法を提案する。
論文参考訳（メタデータ） (2022-02-16T17:08:44Z)
Improving Semi-Supervised and Domain-Adaptive Semantic Segmentation with Self-Supervised Depth Estimation [94.16816278191477]
本稿では,セミアダプティブなセマンティックセマンティックセマンティックセグメンテーションのためのフレームワークを提案する。ラベルのない画像シーケンスでのみ訓練された自己教師付き単眼深度推定によって強化される。提案したモデルをCityscapesデータセット上で検証する。
論文参考訳（メタデータ） (2021-08-28T01:33:38Z)
Every Annotation Counts: Multi-label Deep Supervision for Medical Image Segmentation [85.0078917060652]
この障壁を克服する半弱教師付きセグメンテーションアルゴリズムを提案する。このアプローチは,深層指導と生徒・教師モデルの新しい定式化に基づいている。我々の新しいセグメンテーションのトレーニング体制は、完全にラベル付けされ、バウンディングボックスでマークされた画像、単にグローバルラベル、あるいは全くないイメージを柔軟に活用することで、高価なラベルの要件を94.22%削減することができる。
論文参考訳（メタデータ） (2021-04-27T14:51:19Z)
Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
論文参考訳（メタデータ） (2020-07-21T13:27:09Z)
ATSO: Asynchronous Teacher-Student Optimization for Semi-Supervised Medical Image Segmentation [99.90263375737362]
教師-学生最適化の非同期版であるATSOを提案する。 ATSOはラベルのないデータを2つのサブセットに分割し、モデルの微調整に1つのサブセットを交互に使用し、他のサブセットのラベルを更新する。医用画像のセグメンテーションデータセットを2つ評価し,様々な半教師付き環境において優れた性能を示す。
論文参考訳（メタデータ） (2020-06-24T04:05:12Z)
Learning to segment from misaligned and partial labels [0.0]
アーバン以外の多くの設定は、正確なセグメンテーションに必要な基盤構造を欠いている。 OpenStreetMaps (OSM)のようなオープンソースのインフラストラクチャアノテーションがこの問題を代表している。本稿では,不整合アノテーションと欠落アノテーションを付与した画素画像分割を改良した,新規で一般化可能な2段階のフレームワークを提案する。
論文参考訳（メタデータ） (2020-05-27T06:02:58Z)

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。