論文の概要: SegMatch: A semi-supervised learning method for surgical instrument segmentation

• arxiv url: http://arxiv.org/abs/2308.05232v2
• Date: Wed, 21 May 2025 22:37:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-23 17:12:47.555913
• Title: SegMatch: A semi-supervised learning method for surgical instrument segmentation
• Title（参考訳）: SegMatch: 手術器具セグメンテーションのための半教師付き学習方法
• Authors: Meng Wei, Charlie Budd, Luis C. Garcia-Peraza-Herrera, Reuben Dorent, Miaojing Shi, Tom Vercauteren,
• Abstract要約: 腹腔鏡およびロボット手術画像に対する高価なアノテーションの必要性を低減するための半教師付き学習手法であるSegMatchを提案する。 SegMatchは、一貫性の正規化と擬似ラベリングを組み合わせた、広範な半教師付き分類パイプラインであるFixMatch上に構築されている。 以上の結果から,SegMatchは非競合データを組み込むことで,完全教師付きアプローチよりも優れていることがわかった。
• 参考スコア（独自算出の注目度）: 11.72367272074871
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Surgical instrument segmentation is recognised as a key enabler in providing advanced surgical assistance and improving computer-assisted interventions. In this work, we propose SegMatch, a semi-supervised learning method to reduce the need for expensive annotation for laparoscopic and robotic surgical images. SegMatch builds on FixMatch, a widespread semi supervised classification pipeline combining consistency regularization and pseudo-labelling, and adapts it for the purpose of segmentation. In our proposed SegMatch, the unlabelled images are first weakly augmented and fed to the segmentation model to generate pseudo-labels. In parallel, images are fed to a strong augmentation branch and consistency between the branches is used as an unsupervised loss. To increase the relevance of our strong augmentations, we depart from using only handcrafted augmentations and introduce a trainable adversarial augmentation strategy. Our FixMatch adaptation for segmentation tasks further includes carefully considering the equivariance and invariance properties of the augmentation functions we rely on. For binary segmentation tasks, our algorithm was evaluated on the MICCAI Instrument Segmentation Challenge datasets, Robust-MIS 2019 and EndoVis 2017. For multi-class segmentation tasks, we relied on the recent CholecInstanceSeg dataset. Our results show that SegMatch outperforms fully-supervised approaches by incorporating unlabelled data, and surpasses a range of state-of-the-art semi-supervised models across different labelled to unlabelled data ratios.
• Abstract（参考訳）: 手術器具のセグメンテーションは、高度な外科的補助を提供し、コンピュータ支援の介入を改善するための重要な手段として認識されている。 本研究では,腹腔鏡下手術画像やロボット手術画像に対する高価なアノテーションの必要性を低減するためのセミ教師付き学習手法であるSegMatchを提案する。 SegMatchは、一貫性の正規化と擬似ラベリングを組み合わせた、広範な半教師付き分類パイプラインであるFixMatch上に構築され、セグメンテーションのためにそれを適応する。 提案したSegMatchでは、未ラベル画像はまず弱い拡張を行い、セグメンテーションモデルに供給し、擬似ラベルを生成する。 並行して、イメージは強い拡張ブランチに供給され、ブランチ間の一貫性は教師なしの損失として使用される。 本研究の目的は,手工芸品のみの使用から脱却し,訓練可能な対向増強戦略を導入することである。 セグメンテーションタスクに対するFixMatch適応は、我々が依存する拡張関数の等値性と不変性を慎重に考慮することを含む。 バイナリセグメンテーションタスクに対しては,MICCAI Instrument Segmentation Challengeデータセット,Robust-MIS 2019,EndoVis 2017で評価を行った。 マルチクラスのセグメンテーションタスクでは、最近のColecInstanceSegデータセットを頼りにしました。 以上の結果から、SegMatchは非ラベル付きデータを組み込むことで、完全教師付きアプローチよりも優れており、ラベル付きデータ比とラベル付きデータ比の異なる、最先端の半教師付きモデルよりも優れていることがわかった。

関連論文リスト

• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• RCPS: Rectified Contrastive Pseudo Supervision for Semi-Supervised Medical Image Segmentation [26.933651788004475]
  我々は、RCPS(Rectified Contrastive Pseudo Supervision)という、新しい半教師付きセグメンテーション手法を提案する。 RCPSは、修正された疑似監督とボクセルレベルのコントラスト学習を組み合わせて、半教師付きセグメンテーションの有効性を向上させる。 実験結果から, 半教師付き医用画像分割における最先端手法と比較して, 高いセグメンテーション性能が得られた。
  論文  参考訳（メタデータ） (2023-01-13T12:03:58Z)
• 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)
• 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)
• Min-Max Similarity: A Contrastive Learning Based Semi-Supervised Learning Network for Surgical Tools Segmentation [0.0]
  コントラスト学習に基づく半教師付きセグメンテーションネットワークを提案する。 従来の最先端技術とは対照的に、両視点トレーニングの対照的な学習形式を導入する。 提案手法は、最先端の半教師付きおよび完全教師付きセグメンテーションアルゴリズムを一貫して上回る。
  論文  参考訳（メタデータ） (2022-03-29T01:40:26Z)
• Flip Learning: Erase to Segment [65.84901344260277]
  弱い教師付きセグメンテーション(WSS)は、時間と面倒な手作業のアノテーションを減らすのに役立ちます。 ボックスアノテーションのみを必要とするFlip Learningという,斬新で汎用的なWSSフレームワークを提案する。 提案手法は,完全教師付き学習と弱教師付き学習のギャップを狭める大きな可能性を示す。
  論文  参考訳（メタデータ） (2021-08-02T09:56:10Z)
• Leveraging Auxiliary Tasks with Affinity Learning for Weakly Supervised Semantic Segmentation [88.49669148290306]
  そこで我々はAuxSegNetと呼ばれる弱教師付きマルチタスク・フレームワークを提案し,サリエンシ検出とマルチラベル画像分類を補助タスクとして活用する。 同様の構造的セマンティクスに着想を得て,サリエンシとセグメンテーションの表現から,クロスタスクなグローバル画素レベルの親和性マップを学習することを提案する。 学習されたクロスタスク親和性は、両方のタスクに対して改善された擬似ラベルを提供するために、唾液度予測を洗練し、CAMマップを伝播するために使用することができる。
  論文  参考訳（メタデータ） (2021-07-25T11:39:58Z)
• A Simple Baseline for Semi-supervised Semantic Segmentation with Strong Data Augmentation [74.8791451327354]
  セマンティックセグメンテーションのためのシンプルで効果的な半教師付き学習フレームワークを提案する。 単純な設計とトレーニングのテクニックのセットは、半教師付きセマンティックセグメンテーションの性能を大幅に向上させることができる。 本手法は,Cityscapes と Pascal VOC データセットの半教師付き設定において,最先端の処理結果を実現する。
  論文  参考訳（メタデータ） (2021-04-15T06:01:39Z)
• Boosting Semi-supervised Image Segmentation with Global and Local Mutual Information Regularization [9.994508738317585]
  カテゴリー分布の相互情報(MI)を利用する半教師付きセグメンテーション手法を提案する。 医用画像セグメンテーションのための3つの挑戦的公開データセットについて評価を行った。
  論文  参考訳（メタデータ） (2021-03-08T15:13:25Z)
• ClassMix: Segmentation-Based Data Augmentation for Semi-Supervised Learning [4.205692673448206]
  そこで本研究では,未ラベルのサンプルを混合して拡張を生成するClassMixと呼ばれる新しいデータ拡張機構を提案する。 本手法を2つの半教師付きセマンティックセマンティックセマンティクスベンチマークで評価し,その結果を得た。
  論文  参考訳（メタデータ） (2020-07-15T18:21:17Z)

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。