論文の概要: Domain Adaptation using Silver Standard Masks for Lateral Ventricle
Segmentation in FLAIR MRI
- arxiv url: http://arxiv.org/abs/2307.08456v1
- Date: Mon, 17 Jul 2023 12:57:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-18 13:26:38.599626
- Title: Domain Adaptation using Silver Standard Masks for Lateral Ventricle
Segmentation in FLAIR MRI
- Title(参考訳): FLAIR MRIにおける側室分節に対する銀標準マスクを用いた領域適応
- Authors: Owen Crystal, Pejman J. Maralani, Sandra Black, Alan R. Moody, April
Khademi
- Abstract要約: 流体減衰インバージョンリカバリ(FLAIR)MRIにおける第1回トランスファーラーニングに基づくLVVセグメンテーション法を提案する。
4つのデータセットから保持されたテストセットで4つのモデルがテストされた。
- 参考スコア(独自算出の注目度): 0.05219568203653523
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Lateral ventricular volume (LVV) is an important biomarker for clinical
investigation. We present the first transfer learning-based LVV segmentation
method for fluid-attenuated inversion recovery (FLAIR) MRI. To mitigate
covariate shifts between source and target domains, this work proposes an
domain adaptation method that optimizes performance on three target datasets.
Silver standard (SS) masks were generated from the target domain using a novel
conventional image processing ventricular segmentation algorithm and used to
supplement the gold standard (GS) data from the source domain, Canadian
Atherosclerosis Imaging Network (CAIN). Four models were tested on held-out
test sets from four datasets: 1) SS+GS: trained on target SS masks and
fine-tuned on source GS masks, 2) GS+SS: trained on source GS masks and
fine-tuned on target SS masks, 3) trained on source GS (GS CAIN Only) and 4)
trained on target SS masks (SS Only). The SS+GS model had the best and most
consistent performance (mean DSC = 0.89, CoV = 0.05) and showed significantly
(p < 0.05) higher DSC compared to the GS-only model on three target domains.
Results suggest pre-training with noisy labels from the target domain allows
the model to adapt to the dataset-specific characteristics and provides robust
parameter initialization while fine-tuning with GS masks allows the model to
learn detailed features. This method has wide application to other medical
imaging problems where labeled data is scarce, and can be used as a per-dataset
calibration method to accelerate wide-scale adoption.
- Abstract(参考訳): 側室容積 (LVV) は臨床検査において重要なバイオマーカーである。
流体減衰インバージョンリカバリ(FLAIR)MRIにおける第1回移動学習に基づくLVVセグメンテーション法を提案する。
ソースドメインとターゲットドメイン間の共変を緩和するために,3つのターゲットデータセットのパフォーマンスを最適化するドメイン適応手法を提案する。
新規な画像処理心室分離アルゴリズムを用いてターゲット領域から銀標準(SS)マスクを生成し,ソース領域であるCAIN(Canadian Atherosclerosis Imaging Network)からの金標準(GS)データを補うために使用した。
4つのデータセットのホールドアウトテストセットで4つのモデルがテストされた。
1)SS+GS:ターゲットSSマスクで訓練され、ソースGSマスクで微調整される。
2)GS+SS:ソースGSマスクで訓練され、ターゲットSSマスクで微調整される。
3)ソースGS(GS CAINのみ)およびトレーニング
4) ターゲットSSマスク(SSのみ)で訓練した。
SS+GSモデルは最高で一貫した性能(DSC = 0.89, CoV = 0.05)を持ち、3つのターゲット領域におけるGSのみのモデルと比較して、DSCよりも有意に高い(p < 0.05)。
対象領域からのノイズラベルによる事前トレーニングにより,モデルがデータセット固有の特性に適応し,頑健なパラメータ初期化を実現すると同時に,gsマスクによる微調整によって詳細な特徴の学習が可能になる。
この方法はラベル付きデータが少ない他の医療画像問題にも広く応用でき、データセット毎のキャリブレーション法として利用することで、広範に採用を加速することができる。
関連論文リスト
- Pathological Primitive Segmentation Based on Visual Foundation Model with Zero-Shot Mask Generation [3.5177988631063486]
本稿では,SAMの学習済み自然画像エンコーダを検出ベース領域提案に適用する手法を提案する。
SAMというベースフレームワーク全体は、追加のトレーニングや微調整を必要としないが、病理学における2つの基本的なセグメンテーションタスクに対してエンドツーエンドの結果をもたらす可能性がある。
論文 参考訳(メタデータ) (2024-04-12T16:29:49Z) - ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic
Diffusion Models [69.9178140563928]
大腸内視鏡検査は臨床診断や治療に不可欠である。
注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。
本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
論文 参考訳(メタデータ) (2023-09-03T07:55:46Z) - GaitASMS: Gait Recognition by Adaptive Structured Spatial Representation
and Multi-Scale Temporal Aggregation [2.0444600042188448]
歩行認識は、最も有望なビデオベースの生体認証技術の一つである。
本稿では,GaitASMSと呼ばれる新しい歩行認識フレームワークを提案する。
適応的な空間表現を効果的に抽出し、多スケールの時間情報を自然に集約することができる。
論文 参考訳(メタデータ) (2023-07-29T13:03:17Z) - Domain Adaptation using Silver Standard Labels for Ki-67 Scoring in
Digital Pathology: A Step Closer to Widescale Deployment [3.1796396749012676]
本研究は,ゴールド・スタンダード (GS) ソース・ドメイン・データの拡張に使用される銀標準 (pseudo) ラベルを対象ドメインに生成するフレームワークを提案する。
提案するパイプラインは,手動のアノテーションを使わずに対象の分布を効率よく学習する方法を提供する。
論文 参考訳(メタデータ) (2023-07-08T01:23:36Z) - 3DSAM-adapter: Holistic Adaptation of SAM from 2D to 3D for Promptable
Medical Image Segmentation [56.50064853710202]
医用画像の領域分割を行うために, SAMを2次元から3次元に変換する新しい適応法を提案する。
本モデルでは, 腎腫瘍, 膵腫瘍, 大腸癌の3つのタスクのうち8.25%, 29.87%, 10.11%の3つのタスクにおいて, ドメイン・オブ・ザ・アーティヴ・メディカル・イメージ・セグメンテーション・モデルより優れ, 肝腫瘍セグメンテーションでも同様の性能が得られる。
論文 参考訳(メタデータ) (2023-06-23T12:09:52Z) - Semantic segmentation of surgical hyperspectral images under geometric
domain shifts [69.91792194237212]
本稿では、幾何学的アウト・オブ・ディストリビューション(OOD)データの存在下で、最先端のセマンティックセグメンテーションネットワークを初めて分析する。
有機移植(Organ transplantation)と呼ばれる専用の拡張技術により、一般化可能性にも対処する。
提案手法は,SOA DSCの最大67 % (RGB) と90% (HSI) を改善し,実際のOODテストデータ上での分配内性能と同等の性能を示す。
論文 参考訳(メタデータ) (2023-03-20T09:50:07Z) - Pretraining ECG Data with Adversarial Masking Improves Model
Generalizability for Data-Scarce Tasks [8.286671083636152]
本研究では,12誘導心電図(ECG)データの拡張として,対向モデルを用いてマスクを生成する。
最先端のECG増量法である3KGと比較して、データスカース方式では対向マスキングが優れている。
論文 参考訳(メタデータ) (2022-11-15T04:29:39Z) - Stacking Ensemble Learning in Deep Domain Adaptation for Ophthalmic
Image Classification [61.656149405657246]
ドメイン適応は、十分なラベルデータを取得することが困難な画像分類タスクに有効である。
本稿では,3つのドメイン適応手法を拡張することで,アンサンブル学習を積み重ねるための新しい手法SELDAを提案する。
Age-Related Eye Disease Study (AREDS)ベンチマーク眼科データセットを用いた実験結果から,提案モデルの有効性が示された。
論文 参考訳(メタデータ) (2022-09-27T14:19:00Z) - Calibrated Hyperspectral Image Reconstruction via Graph-based
Self-Tuning Network [40.71031760929464]
ハイパースペクトルイメージング(HSI)は、特に符号化スナップショット分光イメージング(CASSI)システムに基づく画像に対して、研究の注目を集めている。
既存の深いHSI再構成モデルは、CASSIの特定の光学ハードウェアマスクが与える2次元圧縮計測に基づいて元の信号を取得するために、ペアデータで訓練される。
このマスク固有のトレーニングスタイルは、ハードウェアの誤校正問題を引き起こし、異なるハードウェアとノイズの多い環境間で深いHSIモデルをデプロイする障壁を設定できる。
マスクの空間構造の変化に適応する不確実性を推論するグラフベース自己調整(GST)ネットワークを提案する。
論文 参考訳(メタデータ) (2021-12-31T09:39:13Z) - TransRPPG: Remote Photoplethysmography Transformer for 3D Mask Face
Presentation Attack Detection [53.98866801690342]
3次元マスク提示攻撃検出(PAD)は、3次元マスク攻撃から顔認識システムを保護する上で重要な役割を担っている。
ライブ本質表現を効率的に学習するための純粋なrトランス(TransR)フレームワークを提案する。
当社のTransRは軽量で効率的(547Kパラメータと763MOPのみ)で、モバイルレベルのアプリケーションに期待できる。
論文 参考訳(メタデータ) (2021-04-15T12:33:13Z) - Hyperspectral Classification Based on Lightweight 3-D-CNN With Transfer
Learning [67.40866334083941]
限定サンプルに基づくHSI分類のためのエンドツーエンドの3次元軽量畳み込みニューラルネットワーク(CNN)を提案する。
従来の3D-CNNモデルと比較して,提案した3D-LWNetはネットワーク構造が深く,パラメータが小さく,計算コストも低い。
本モデルでは,HSI分類の競合性能を,いくつかの最先端手法と比較した。
論文 参考訳(メタデータ) (2020-12-07T03:44:35Z)
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。