論文の概要: Adaptive Semi-Supervised Segmentation of Brain Vessels with Ambiguous Labels

• arxiv url: http://arxiv.org/abs/2308.03613v1
• Date: Mon, 7 Aug 2023 14:16:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-08 13:25:06.582759
• Title: Adaptive Semi-Supervised Segmentation of Brain Vessels with Ambiguous Labels
• Title（参考訳）: あいまいなラベルを用いた脳血管の適応的半監督セグメンテーション
• Authors: Fengming Lin, Yan Xia, Nishant Ravikumar, Qiongyao Liu, Michael MacRaild, Alejandro F Frangi
• Abstract要約: 提案手法は, 進歩的半教師付き学習, 適応的学習戦略, 境界拡張など, 革新的な手法を取り入れたものである。 3DRAデータセットによる実験結果から,メッシュベースのセグメンテーション指標を用いて,本手法の優位性を示す。
• 参考スコア（独自算出の注目度）: 63.415444378608214
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate segmentation of brain vessels is crucial for cerebrovascular disease diagnosis and treatment. However, existing methods face challenges in capturing small vessels and handling datasets that are partially or ambiguously annotated. In this paper, we propose an adaptive semi-supervised approach to address these challenges. Our approach incorporates innovative techniques including progressive semi-supervised learning, adaptative training strategy, and boundary enhancement. Experimental results on 3DRA datasets demonstrate the superiority of our method in terms of mesh-based segmentation metrics. By leveraging the partially and ambiguously labeled data, which only annotates the main vessels, our method achieves impressive segmentation performance on mislabeled fine vessels, showcasing its potential for clinical applications.
• Abstract（参考訳）: 脳血管の正確なセグメンテーションは脳血管疾患の診断と治療に不可欠である。 しかし、既存の手法では、小さな容器を捕獲し、部分的または曖昧に注釈されたデータセットを扱うという課題に直面している。 本稿では,これらの課題に対処するための適応型半教師付きアプローチを提案する。 提案手法は,プログレッシブな半教師付き学習,適応的トレーニング戦略,境界強化などを含む革新的手法を取り入れている。 3DRAデータセットによる実験結果から,メッシュベースのセグメンテーション指標による手法の優位性を示す。 主血管のみにアノテートする部分的かつ曖昧なラベル付きデータを利用することにより,誤ラベル細血管における印象的なセグメント化性能を実現し,臨床応用の可能性を示す。

関連論文リスト

• Adversarial Vessel-Unveiling Semi-Supervised Segmentation for Retinopathy of Prematurity Diagnosis [9.683492465191241]
  広範囲な手動血管アノテーションを必要とせず,ROP研究を進めるための半教師付きセグメンテーションフレームワークを提案する。 ラベル付きデータにのみ依存する従来の手法とは異なり,本手法では不確実性重み付き容器公開モジュールとドメイン対向学習を統合している。 我々は、パブリックデータセットと社内ROPデータセットに対するアプローチを検証し、複数の評価指標で優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2024-11-14T02:40:34Z)
• Semi- and Weakly-Supervised Learning for Mammogram Mass Segmentation with Limited Annotations [49.33388736227072]
  本稿では,マスセグメンテーションのための半弱教師付き学習フレームワークを提案する。 良好な性能を得るために, 限られた強ラベルのサンプルと十分な弱ラベルのサンプルを用いる。 CBIS-DDSMおよびINbreastデータセットを用いた実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-03-14T12:05:25Z)
• CV-Attention UNet: Attention-based UNet for 3D Cerebrovascular Segmentation of Enhanced TOF-MRA Images [2.2265536092123006]
  脳血管画像の正確な抽出にはCV-AttentionUNetと呼ばれる3次元脳血管注意UNet法を提案する。 低と高のセマンティクスを組み合わせるために,注意機構を適用した。 このアルゴリズムの新規性は、ラベル付きデータとラベルなしデータの両方でうまく機能する能力にあると考えています。
  論文  参考訳（メタデータ） (2023-11-16T22:31:05Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• VesselShot: Few-shot learning for cerebral blood vessel segmentation [3.0612001095032335]
  本稿では,脳血管セグメンテーションのためのVesselShotという数発の学習手法を提案する。 VesselShotは、いくつかのアノテーション付きサポートイメージからの知識を活用し、ラベル付きデータの不足を軽減する。 本研究では,VesselShotの性能を,セグメンテーションタスクのために公開されているTubeTKデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2023-08-28T14:48:49Z)
• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)
• PCA: Semi-supervised Segmentation with Patch Confidence Adversarial Training [52.895952593202054]
  医用画像セグメンテーションのためのPatch Confidence Adrial Training (PCA) と呼ばれる半教師付き対向法を提案する。 PCAは各パッチの画素構造とコンテキスト情報を学習し、十分な勾配フィードバックを得る。 本手法は, 医用画像のセグメンテーションにおいて, 最先端の半教師付き手法より優れており, その有効性を示している。
  論文  参考訳（メタデータ） (2022-07-24T07:45:47Z)
• Study Group Learning: Improving Retinal Vessel Segmentation Trained with Noisy Labels [12.272979412910757]
  SGL(Study Group Learning)スキームを提案し、ノイズの多いラベルで訓練されたモデルの堅牢性を改善する。 実験により,提案手法はDRIVEおよびCHASE$_$DB1データセットの船体セグメンテーション性能をさらに向上することが示された。
  論文  参考訳（メタデータ） (2021-03-05T03:09:51Z)
• Towards Robust Partially Supervised Multi-Structure Medical Image Segmentation on Small-Scale Data [123.03252888189546]
  データ不足下における部分教師付き学習(PSL)における方法論的ギャップを埋めるために,不確実性下でのビシナルラベル(VLUU)を提案する。 マルチタスク学習とヴィジナルリスク最小化によって動機づけられたVLUUは、ビジナルラベルを生成することによって、部分的に教師付き問題を完全な教師付き問題に変換する。 本研究は,ラベル効率の高い深層学習における新たな研究の方向性を示唆するものである。
  論文  参考訳（メタデータ） (2020-11-28T16:31:00Z)

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。