論文の概要: Boundary-RL: Reinforcement Learning for Weakly-Supervised Prostate
Segmentation in TRUS Images
- arxiv url: http://arxiv.org/abs/2308.11376v1
- Date: Tue, 22 Aug 2023 12:02:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-23 18:09:15.150741
- Title: Boundary-RL: Reinforcement Learning for Weakly-Supervised Prostate
Segmentation in TRUS Images
- Title（参考訳）: 境界RL:TRUS画像における弱教師付き前立腺分割のための強化学習
- Authors: Weixi Yi, Vasilis Stavrinides, Zachary M.C. Baum, Qianye Yang, Dean C.
Barratt, Matthew J. Clarkson, Yipeng Hu, Shaheer U. Saeed
- Abstract要約: 弱教師付きセグメンテーション手法であるBundary-RLを提案する。
セグメント化は,従来のような画素レベルの分類ではなく,境界検出問題として想定される。
特に超音波画像では、強度値が境界間の音響インピーダンスの差を表す場合、境界線法(英語版)の利点もある。
- 参考スコア（独自算出の注目度）: 8.057488225592605
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose Boundary-RL, a novel weakly supervised segmentation method that
utilises only patch-level labels for training. We envision the segmentation as
a boundary detection problem, rather than a pixel-level classification as in
previous works. This outlook on segmentation may allow for boundary delineation
under challenging scenarios such as where noise artefacts may be present within
the region-of-interest (ROI) boundaries, where traditional pixel-level
classification-based weakly supervised methods may not be able to effectively
segment the ROI. Particularly of interest, ultrasound images, where intensity
values represent acoustic impedance differences between boundaries, may also
benefit from the boundary delineation approach. Our method uses reinforcement
learning to train a controller function to localise boundaries of ROIs using a
reward derived from a pre-trained boundary-presence classifier. The classifier
indicates when an object boundary is encountered within a patch, as the
controller modifies the patch location in a sequential Markov decision process.
The classifier itself is trained using only binary patch-level labels of object
presence, which are the only labels used during training of the entire boundary
delineation framework, and serves as a weak signal to inform the boundary
delineation. The use of a controller function ensures that a sliding window
over the entire image is not necessary. It also prevents possible
false-positive or -negative cases by minimising number of patches passed to the
boundary-presence classifier. We evaluate our proposed approach for a
clinically relevant task of prostate gland segmentation on trans-rectal
ultrasound images. We show improved performance compared to other tested weakly
supervised methods, using the same labels e.g., multiple instance learning.
- Abstract（参考訳）: 本稿では,パッチレベルのラベルのみをトレーニングに活用する,弱教師付きセグメンテーション手法であるBoundary-RLを提案する。
従来のようにピクセルレベルの分類ではなく,境界検出問題としてセグメンテーションを想定する。
このセグメンテーションの見通しは、従来のピクセルレベルの分類に基づく弱い監督手法がROIを効果的にセグメンテーションできないような、関心領域(ROI)境界内にノイズアーチファクトが存在するような難易度シナリオにおける境界線化を可能にする。
特に超音波画像では、強度値が境界間の音響インピーダンスの差を表す場合、境界線法も有用である。
本手法は,事前学習された境界プレゼンス分類器から得られる報酬を用いて,ROIの境界をローカライズする制御関数の学習に強化学習を用いる。
コントローラはシーケンシャルなマルコフ決定プロセスにおいてパッチ位置を変更するため、分類器はパッチ内でオブジェクト境界に遭遇した時期を示す。
分類器自体は、境界記述フレームワーク全体のトレーニングで使用される唯一のラベルであるオブジェクト存在のバイナリパッチレベルラベルのみを使用して訓練され、境界記述を知らせる弱い信号として機能する。
コントローラ機能を使用することで、画像全体のスライディングウィンドウが不要になる。
また、境界存在分類器に渡されるパッチの数を最小化することで、偽陽性または-負のケースを防止できる。
経直腸超音波画像における前立腺分節の臨床的意義について検討した。
テストされた他の弱い教師付き手法と比較して性能が向上し、同じラベル(例えば、複数インスタンス学習)を使用する。
関連論文リスト
- Collaborative Feature-Logits Contrastive Learning for Open-Set Semi-Supervised Object Detection [75.02249869573994]
オープンセットのシナリオでは、ラベルなしデータセットには、イン・ディストリビューション(ID)クラスとアウト・オブ・ディストリビューション(OOD)クラスの両方が含まれている。
このような設定で半教師付き検出器を適用すると、OODクラスをIDクラスとして誤分類する可能性がある。
我々は、CFL-Detector(Collaborative Feature-Logits Detector)と呼ばれるシンプルで効果的な方法を提案する。
論文 参考訳（メタデータ） (2024-11-20T02:57:35Z) - Competing for pixels: a self-play algorithm for weakly-supervised segmentation [7.416217935677032]
本稿では,領域のイメージセグメンテーションをゲーミフィケーションする新しいWSS手法を提案する。
エージェントは、これらのパッチが枯渇するまでROIを含むパッチを選択します。
この競争的な設定により、過剰または過小区分の最小化が保証される。
論文 参考訳（メタデータ） (2024-05-26T17:00:17Z) - Semantic Connectivity-Driven Pseudo-labeling for Cross-domain
Segmentation [89.41179071022121]
自己学習はドメイン間セマンティックセグメンテーションにおいて一般的なアプローチである。
本稿ではセマンティック・コネクティビティ駆動の擬似ラベル方式を提案する。
このアプローチは、接続レベルにおいて擬似ラベルを定式化し、構造的および低雑音のセマンティクスの学習を容易にする。
論文 参考訳（メタデータ） (2023-12-11T12:29:51Z) - Regularizing Self-training for Unsupervised Domain Adaptation via
Structural Constraints [14.593782939242121]
本稿では,従来の自己学習目標を正規化するために,奥行きなどの補助的モーダルから構造的手がかりを取り入れることを提案する。
具体的には、オブジェクトインスタンスの近い領域内でピクセル表現をプルする、対照的なピクセルレベルのオブジェクト性制約を導入する。
セマンティックセグメンテーションのための様々な UDA ベンチマークにおいて,正則化器は最上位の自己学習手法を大幅に改善することを示す。
論文 参考訳（メタデータ） (2023-04-29T00:12:26Z) - 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) - Pointly-Supervised Panoptic Segmentation [106.68888377104886]
弱教師付き単眼セグメンテーションにポイントレベルのアノテーションを適用するための新しい手法を提案する。
完全に教師された方法で使用される高密度のピクセルレベルラベルの代わりに、ポイントレベルラベルは、監督対象ごとに単一のポイントしか提供しない。
我々は、ポイントレベルのラベルから同時に汎視的擬似マスクを生成し、それらから学習することで、エンドツーエンドのフレームワークにおける問題を定式化する。
論文 参考訳（メタデータ） (2022-10-25T12:03:51Z) - Active Boundary Loss for Semantic Segmentation [58.72057610093194]
本稿では,セマンティックセグメンテーションのための新しいアクティブ境界損失を提案する。
エンド・ツー・エンドのトレーニングにおいて、予測境界とグランド・トゥルース・バウンダリのアライメントを徐々に促進することができる。
実験結果から, アクティブ境界損失によるトレーニングは, 境界Fスコアと平均インターセクションオーバ・ユニオンを効果的に改善できることが示された。
論文 参考訳（メタデータ） (2021-02-04T15:47:54Z) - Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。
我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。
航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文 参考訳（メタデータ） (2020-11-19T05:42:02Z) - Contrastive Rendering for Ultrasound Image Segmentation [59.23915581079123]
米国の画像にシャープな境界がないことは、セグメンテーションに固有の課題である。
我々は,US画像における境界推定を改善するための,新しい,効果的なフレームワークを提案する。
提案手法は最先端の手法より優れており,臨床応用の可能性も高い。
論文 参考訳（メタデータ） (2020-10-10T07:14:03Z) - Unsupervised Learning of Image Segmentation Based on Differentiable
Feature Clustering [14.074732867392008]
本研究では、教師なし画像分割における畳み込みニューラルネットワーク(CNN)の利用について検討した。
本稿では、正規化と、微分可能なクラスタリングのためのargmax関数からなる、教師なし画像セグメンテーションのエンドツーエンドネットワークを提案する。
第3に,既存の手法よりも精度がよいユーザ入力として,スクリブルを用いたセグメント化手法の拡張を提案する。
論文 参考訳（メタデータ） (2020-07-20T10:28:36Z) - Weakly-Supervised Segmentation for Disease Localization in Chest X-Ray
Images [0.0]
医用胸部X線画像のセマンティックセグメンテーションに対する新しいアプローチを提案する。
本手法は肺と胸壁の間の異常な空気量を検出するための胸部X線検査に適用可能である。
論文 参考訳（メタデータ） (2020-07-01T20:48:35Z)
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。