論文の概要: Progressive Attention Guidance for Whole Slide Vulvovaginal Candidiasis
Screening
- arxiv url: http://arxiv.org/abs/2309.02670v1
- Date: Wed, 6 Sep 2023 02:39:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-07 17:07:23.190453
- Title: Progressive Attention Guidance for Whole Slide Vulvovaginal Candidiasis
Screening
- Title（参考訳）: フルスライドvulvovaginal candidiasisスクリーニングのための進行的注意指導
- Authors: Jiangdong Cai, Honglin Xiong, Maosong Cao, Luyan Liu, Lichi Zhang and
Qian Wang
- Abstract要約: VVC(Vulvovaginal candidiasis、VVC)は、ヒトのカンジダリー感染症の中で最も多く、全女性の75%が生涯に一度は罹患していると推定されている。
尿道炎、迷走神経痛など、いくつかの症状を引き起こす。
WSIベースのコンピュータ支援VCCスクリーニング手法は、ラベル付きデータの不足とカンジダのユニークな性質のため、いまだに空白である。
本稿では,ロバストな診断分類モデルが得られる注意誘導手法を提案する。
- 参考スコア（独自算出の注目度）: 8.818411428677
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vulvovaginal candidiasis (VVC) is the most prevalent human candidal
infection, estimated to afflict approximately 75% of all women at least once in
their lifetime. It will lead to several symptoms including pruritus, vaginal
soreness, and so on. Automatic whole slide image (WSI) classification is highly
demanded, for the huge burden of disease control and prevention. However, the
WSI-based computer-aided VCC screening method is still vacant due to the scarce
labeled data and unique properties of candida. Candida in WSI is challenging to
be captured by conventional classification models due to its distinctive
elongated shape, the small proportion of their spatial distribution, and the
style gap from WSIs. To make the model focus on the candida easier, we propose
an attention-guided method, which can obtain a robust diagnosis classification
model. Specifically, we first use a pre-trained detection model as prior
instruction to initialize the classification model. Then we design a Skip
Self-Attention module to refine the attention onto the fined-grained features
of candida. Finally, we use a contrastive learning method to alleviate the
overfitting caused by the style gap of WSIs and suppress the attention to false
positive regions. Our experimental results demonstrate that our framework
achieves state-of-the-art performance. Code and example data are available at
https://github.com/cjdbehumble/MICCAI2023-VVC-Screening.
- Abstract（参考訳）: VVC(Vulvovaginal candidiasis、VVC)は、ヒトのカンジダリー感染症の中で最も多く、全女性の75%が生涯に一度は罹患していると推定されている。
尿道炎、迷走神経痛など、いくつかの症状を引き起こす。
自動スライド画像(WSI)分類は, 疾患のコントロールと予防の負担が大きいため, 非常に要求が高い。
しかし、wsiベースのコンピュータ支援vccスクリーニング法は、candidaのラベル付きデータとユニークな特性のため、まだ空白である。
WSIのキャンディダは、その独特の細長い形状、空間分布の小さな割合、およびWSIとのスタイルギャップにより、従来の分類モデルによって捉えられがちである。
モデルがカンジダに焦点を合わせるのを容易にするために,ロバストな診断分類モデルが得られる注意誘導手法を提案する。
具体的には,まず,事前学習された検出モデルを事前指示として使用し,分類モデルを初期化する。
そこで我々は,カンジダの微細な特徴に注意を向けるために,スキップ自己注意モジュールを設計する。
最後に,wsisのスタイルギャップによる過剰フィットを軽減し,偽陽性領域への注意を抑制するために,対比学習法を用いる。
実験により,我々のフレームワークが最先端の性能を達成することを示す。
コードとサンプルデータはhttps://github.com/cjdbehumble/miccai2023-vvc-screeningで入手できる。
関連論文リスト
- Fine-grained Abnormality Prompt Learning for Zero-shot Anomaly Detection [88.34095233600719]
FAPromptは、より正確なZSADのためにきめ細かい異常プロンプトを学習するために設計された新しいフレームワークである。
画像レベルおよび画素レベルのZSADタスクにおいて、最先端の手法を少なくとも3%-5%のAUC/APで大幅に上回っている。
論文 参考訳（メタデータ） (2024-10-14T08:41:31Z) - Happy: A Debiased Learning Framework for Continual Generalized Category Discovery [54.54153155039062]
本稿では,C-GCD(Continuous Generalized Category Discovery)の未探索課題について考察する。
C-GCDは、学習済みのクラスを認識する能力を維持しながら、ラベルのないデータから新しいクラスを漸進的に発見することを目的としている。
本稿では,ハードネスを意識したプロトタイプサンプリングとソフトエントロピー正規化を特徴とする,偏りのある学習フレームワークであるHappyを紹介する。
論文 参考訳（メタデータ） (2024-10-09T04:18:51Z) - An efficient framework based on large foundation model for cervical cytopathology whole slide image screening [13.744580492120749]
本稿では,教師なし・弱教師付き学習によるWSIレベルラベルのみを用いた頚部細胞病理学WSI分類のための効率的なフレームワークを提案する。
CSDおよびFNAC 2019データセットで実施された実験は、提案手法が様々なMIL手法の性能を高め、最先端(SOTA)性能を達成することを示した。
論文 参考訳（メタデータ） (2024-07-16T08:21:54Z) - Deep Learning Descriptor Hybridization with Feature Reduction for Accurate Cervical Cancer Colposcopy Image Classification [0.9374652839580183]
本稿では,様々なディープラーニング記述子の強度と適切な特徴正規化を組み合わせたコンピュータ支援診断(CAD)システムを提案する。
本手法は,通常の分類と型分類の両方において,97%-100%の範囲での例外的な性能を実現する。
論文 参考訳（メタデータ） (2024-05-01T06:05:13Z) - Class Attention to Regions of Lesion for Imbalanced Medical Image
Recognition [59.28732531600606]
データ不均衡問題に対処するため,textbfClass textbfAttention to textbfRegions of the lesion (CARE)を提案する。
CAREフレームワークは、まれな疾患の病変領域を表すために、バウンディングボックスを必要とする。
その結果,自動バウンディングボックス生成によるCARE変種は,オリジナルのCAREフレームワークに匹敵することがわかった。
論文 参考訳（メタデータ） (2023-07-19T15:19:02Z) - Self-supervised learning-based cervical cytology for the triage of
HPV-positive women in resource-limited settings and low-data regime [8.981411680742973]
パパニコラオ検体をスクリーニングすることは、頸部がん関連死亡率の低下に非常に効果があることが証明されている。
深層学習に基づく遠隔細胞診診断は魅力的な代替手段として現れるが、大規模な注釈付きトレーニングデータセットの収集が必要である。
本稿では, スライド画像全体から抽出できるラベルなし画像の豊富さが, 自己教師型学習手法の肥大化を実証する。
論文 参考訳（メタデータ） (2023-02-10T11:46:48Z) - 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) - Self-supervised Assisted Active Learning for Skin Lesion Segmentation [18.78959113954792]
ラベルの不足は、高いアノテーションコストと専門的な要件のために、バイオメディカルなイメージセグメンテーションの長年の問題であった。
そこで本研究では,まず,自己教師型学習でセグメンテーションモデルをウォームアップする,冷間開始環境における自己教師型アクティブラーニングフレームワークを提案する。
私たちのアプローチは、既存のベースラインよりも大幅に改善され、有望なパフォーマンスを達成することができます。
論文 参考訳（メタデータ） (2022-05-14T09:40:18Z) - SCARF: Self-Supervised Contrastive Learning using Random Feature
Corruption [72.35532598131176]
本稿では,特徴のランダムなサブセットを乱してビューを形成するコントラスト学習手法であるSCARFを提案する。
SCARFは既存の戦略を補完し、オートエンコーダのような代替手段より優れていることを示す。
論文 参考訳（メタデータ） (2021-06-29T08:08:33Z) - Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。
標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。
原理的に部分観測可能なベイズ的枠組みを提案する。
論文 参考訳（メタデータ） (2020-09-12T20:37:33Z) - Semi-Supervised Cervical Dysplasia Classification With Learnable Graph
Convolutional Network [25.685255609487623]
デジタル頸椎造影は一次検診や補助検診ツールとして大きな可能性を秘めている。
従来の完全教師付きトレーニングでは、大量の注釈付きデータが必要である。
本稿では,新しいグラフ畳み込みネットワーク(GCN)に基づく半教師付き分類モデルを提案する。
論文 参考訳（メタデータ） (2020-04-01T01:53:26Z)
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。