論文の概要: Self-Supervised Learning for Endoscopic Video Analysis

• arxiv url: http://arxiv.org/abs/2308.12394v1
• Date: Wed, 23 Aug 2023 19:27:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-25 16:26:48.947410
• Title: Self-Supervised Learning for Endoscopic Video Analysis
• Title（参考訳）: 内視鏡映像解析のための自己指導型学習
• Authors: Roy Hirsch, Mathilde Caron, Regev Cohen, Amir Livne, Ron Shapiro, Tomer Golany, Roman Goldenberg, Daniel Freedman, and Ehud Rivlin
• Abstract要約: 自己教師付き学習(SSL)は、大量のラベルのないデータから学習できるようにすることによって、コンピュータビジョンにおいて重要なブレークスルーをもたらした。 大腸内視鏡検査や腹腔鏡検査などの内視鏡的画像解析における主要なSSLフレームワークであるMasked Siamese Networks (MSNs) の使用について検討した。
• 参考スコア（独自算出の注目度）: 16.873220533299573
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Self-supervised learning (SSL) has led to important breakthroughs in computer vision by allowing learning from large amounts of unlabeled data. As such, it might have a pivotal role to play in biomedicine where annotating data requires a highly specialized expertise. Yet, there are many healthcare domains for which SSL has not been extensively explored. One such domain is endoscopy, minimally invasive procedures which are commonly used to detect and treat infections, chronic inflammatory diseases or cancer. In this work, we study the use of a leading SSL framework, namely Masked Siamese Networks (MSNs), for endoscopic video analysis such as colonoscopy and laparoscopy. To fully exploit the power of SSL, we create sizable unlabeled endoscopic video datasets for training MSNs. These strong image representations serve as a foundation for secondary training with limited annotated datasets, resulting in state-of-the-art performance in endoscopic benchmarks like surgical phase recognition during laparoscopy and colonoscopic polyp characterization. Additionally, we achieve a 50% reduction in annotated data size without sacrificing performance. Thus, our work provides evidence that SSL can dramatically reduce the need of annotated data in endoscopy.
• Abstract（参考訳）: 自己教師付き学習(ssl)は、大量のラベルなしデータから学習を可能にすることによって、コンピュータビジョンの重要なブレークスルーにつながった。 そのため、アノテーティングデータが高度に専門的な専門知識を必要とするバイオメディシンにおいて、重要な役割を担っている可能性がある。 しかし、SSLが広く研究されていない多くの医療ドメインが存在する。 そのような領域の1つは内視鏡であり、感染、慢性炎症性疾患、またはがんの検出および治療に一般的に使用される最小限の侵襲的処置である。 本研究では,大腸内視鏡や腹腔鏡などの内視鏡的画像解析における主要なSSLフレームワークであるMasked Siamese Networks(MSNs)の使用について検討した。 SSLのパワーをフル活用するために、MSNをトレーニングするための大きさの未ラベルの内視鏡ビデオデータセットを作成します。 これらの強い画像表現は、限定的な注釈付きデータセットによる二次訓練の基礎となり、腹腔鏡下手術相認識や大腸鏡下ポリープキャラクタリゼーションなどの内視鏡的ベンチマークで最先端のパフォーマンスをもたらす。 さらに、性能を犠牲にすることなく、注釈付きデータサイズを50%削減した。 そこで本研究では,sslが内視鏡検査における注釈データの必要性を劇的に低減できることを示す。

関連論文リスト

• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Self-Supervised Multiple Instance Learning for Acute Myeloid Leukemia Classification [1.1874560263468232]
  急性骨髄性白血病(AML)のような疾患は、単細胞レベルでのアノテーションが不足し、コストがかかるため困難である。 マルチインスタンス学習(MIL)は、弱いラベル付きシナリオに対処するが、ラベル付きデータで訓練された強力なエンコーダを必要とする。 本研究では,MILをベースとしたサブタイプAML分類のための事前学習手法として,自己監督学習(SSL)について検討する。
  論文  参考訳（メタデータ） (2024-03-08T15:16:15Z)
• Self-supervised TransUNet for Ultrasound regional segmentation of the distal radius in children [0.6291443816903801]
  TransUNetのSSL(SSL-MAE)用のMasked Autoencoderは、子供の手首超音波スキャンからボニー領域を分割する。 本稿では,TransUNet の SSL (SSL-MAE) 用 Masked Autoencoder を小児手首超音波スキャンからボニー領域に分割する可能性について検討した。
  論文  参考訳（メタデータ） (2023-09-18T05:23:33Z)
• Semi-supervised Learning for Segmentation of Bleeding Regions in Video Capsule Endoscopy [22.28501246682272]
  ビデオカプセル内視鏡(英語: Video capsule endoscopy, VCE)は、各種消化管疾患(GI)の診断において、その高効率で非侵襲的な性質の1つである。 これらの疾患の診断と治療が成功するためには、出血領域の正確な認識が不可欠である。 深層学習に基づく手法は、VCE画像の自動解析のための強力なツールとして登場した。
  論文  参考訳（メタデータ） (2023-08-05T12:46:48Z)
• Exploring Self-Supervised Representation Learning For Low-Resource Medical Image Analysis [2.458658951393896]
  小型医用画像データセットにおける自己教師付き学習アルゴリズムの適用性について検討する。 ドメイン内の低リソースSSL事前トレーニングは、大規模なデータセットから学習を移行するための競合的なパフォーマンスをもたらす可能性がある。
  論文  参考訳（メタデータ） (2023-03-03T22:26:17Z)
• PCRLv2: A Unified Visual Information Preservation Framework for Self-supervised Pre-training in Medical Image Analysis [56.63327669853693]
  本稿では,ピクセルレベルの情報を高レベルなセマンティクスに明示的にエンコードするための画素復元タスクを提案する。 また,画像理解を支援する強力なツールであるスケール情報の保存についても検討する。 提案されている統合SSLフレームワークは、さまざまなタスクで自己管理されたフレームワークを超越している。
  論文  参考訳（メタデータ） (2023-01-02T17:47:27Z)
• SB-SSL: Slice-Based Self-Supervised Transformers for Knee Abnormality Classification from MRI [5.199134881541244]
  膝関節MRIスキャンを用いて異常の分類を行うためのスライスベース自己教師型ディープラーニングフレームワーク(SBSSL)を提案する。 限られた症例(1000例)では,前十字靭帯断裂を89.17%,AUC0.954。
  論文  参考訳（メタデータ） (2022-08-29T23:08:41Z)
• Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
  一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。 医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。 外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
  論文  参考訳（メタデータ） (2022-07-01T14:17:11Z)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• Voice-assisted Image Labelling for Endoscopic Ultrasound Classification using Neural Networks [48.732863591145964]
  本稿では,臨床医が提示した生音声からのEUS画像にラベルを付けるマルチモーダル畳み込みニューラルネットワークアーキテクチャを提案する。 その結果,5つのラベルを持つデータセットにおいて,画像レベルでの予測精度は76%であった。
  論文  参考訳（メタデータ） (2021-10-12T21:22:24Z)
• Self-supervised Learning on Graphs: Deep Insights and New Direction [66.78374374440467]
  自己教師付き学習(SSL)は、ラベルのないデータにドメイン固有のプレテキストタスクを作成することを目的としている。 グラフニューラルネットワーク(GNN)の形でのグラフ領域へのディープラーニングの一般化への関心が高まっている。
  論文  参考訳（メタデータ） (2020-06-17T20:30:04Z)

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。