論文の概要: Segmentation of Tubular Structures Using Iterative Training with Tailored Samples

• arxiv url: http://arxiv.org/abs/2309.08727v1
• Date: Fri, 15 Sep 2023 19:25:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-19 19:43:12.125762
• Title: Segmentation of Tubular Structures Using Iterative Training with Tailored Samples
• Title（参考訳）: テーラー標本を用いた反復訓練による管構造の分割
• Authors: Wei Liao
• Abstract要約: 分割マスクを同時に計算し,線トポロジーを用いた管状構造物の中心線を抽出する最小経路法を提案する。 本手法は, セグメンテーションマスクとセンターラインの両面において, 最先端の結果を得る。
• 参考スコア（独自算出の注目度）: 3.079694232219292
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We propose a minimal path method to simultaneously compute segmentation masks and extract centerlines of tubular structures with line-topology. Minimal path methods are commonly used for the segmentation of tubular structures in a wide variety of applications. Recent methods use features extracted by CNNs, and often outperform methods using hand-tuned features. However, for CNN-based methods, the samples used for training may be generated inappropriately, so that they can be very different from samples encountered during inference. We approach this discrepancy by introducing a novel iterative training scheme, which enables generating better training samples specifically tailored for the minimal path methods without changing existing annotations. In our method, segmentation masks and centerlines are not determined after one another by post-processing, but obtained using the same steps. Our method requires only very few annotated training images. Comparison with seven previous approaches on three public datasets, including satellite images and medical images, shows that our method achieves state-of-the-art results both for segmentation masks and centerlines.
• Abstract（参考訳）: 分割マスクを同時に計算し,線トポロジーを用いた管状構造物の中心線を抽出する最小経路法を提案する。 最小経路法は、様々な用途において管状構造の分断に一般的に用いられる。 最近の手法ではcnnで抽出された特徴を使用し、ハンドチューニングされた特徴を用いた手法よりも優れていることが多い。 しかし、CNNベースの手法では、トレーニングに使用されるサンプルは不適切に生成され、推論中に発生するサンプルとは大きく異なる。 既存のアノテーションを変更することなく、ミニマルパスメソッド用に特別に調整されたトレーニングサンプルを生成できる新しい反復トレーニングスキームを導入することで、この矛盾にアプローチする。 提案手法では,セグメンテーションマスクとセンタラインは後処理によって決定されるのではなく,同じステップで得られる。 本手法では,注釈付き訓練画像はほとんど必要としない。 衛星画像と医用画像を含む3つの公開データセットに対する以前の7つのアプローチと比較すると,本手法はセグメンテーションマスクとセンターラインの両方において最先端の結果が得られる。

関連論文リスト

• The Impact of Semi-Supervised Learning on Line Segment Detection [11.636855122196323]
  本稿では,半教師付きフレームワークを用いた画像中の線分検出手法を提案する。 完全教師付き手法に匹敵する結果を示す。 本手法は,半教師付き学習のための近代的最先端手法を用いて,まず線検出を目標とすることを目的としている。
  論文  参考訳（メタデータ） (2024-11-07T10:28:11Z)
• Weakly Supervised 3D Instance Segmentation without Instance-level Annotations [57.615325809883636]
  3Dセマンティックシーン理解タスクは、ディープラーニングの出現によって大きな成功を収めた。 本稿では,分類的セマンティックラベルのみを監督対象とする,弱制御型3Dインスタンスセマンティクス手法を提案する。 分類的セマンティックラベルから擬似インスタンスラベルを生成することで,アノテーションコストの低減で既存の3Dインスタンスセグメンテーションの学習を支援することができる。
  論文  参考訳（メタデータ） (2023-08-03T12:30:52Z)
• Semi-Supervised Domain Adaptation for Semantic Segmentation of Roads from Satellite Images [1.1470070927586016]
  本稿では,衛星画像から道路を抽出する半教師付きセグメンテーション手法の予備的知見について述べる。 擬似ラベルと最小クラス融合に基づく半教師付きフィールド適応法が提案されている。
  論文  参考訳（メタデータ） (2022-12-26T10:50:40Z)
• Learning Instance-Specific Adaptation for Cross-Domain Segmentation [79.61787982393238]
  クロスドメイン画像セグメンテーションのためのテスト時間適応法を提案する。 テスト時に新しい目に見えないインスタンスが与えられると、インスタンス固有のBatchNormキャリブレーションを実行することで、事前トレーニングされたモデルを適用します。
  論文  参考訳（メタデータ） (2022-03-30T17:59:45Z)
• Image Processing Methods for Coronal Hole Segmentation, Matching, and Map Classification [0.0]
  目的は、物理モデルを使って地磁気嵐を予測することである。 問題を3つのサブプロブレムに分解する: (i) 物理的制約に基づくコロナホールセグメンテーション, (ii) 異なる写像間のコロナホールのクラスタマッチング, (iii) 物理地図分類。 提案手法は,精度の高い境界検出を提供することで,SegNet,U-net,Henney-Harvey,FCNを著しく上回る性能を示した。
  論文  参考訳（メタデータ） (2022-01-04T23:19:53Z)
• GuideBP: Guiding Backpropagation Through Weaker Pathways of Parallel Logits [6.764324841419295]
  提案手法は、最も弱い概念表現に沿ったバックプロパゲーションの勾配を導く。 弱点スコアは、ロジットの作成に使用される個々の経路のクラス固有のパフォーマンスを定義する。 提案手法は従来のカラムマージ手法よりも優れていることが示されている。
  論文  参考訳（メタデータ） (2021-04-23T14:14:00Z)
• Region Comparison Network for Interpretable Few-shot Image Classification [97.97902360117368]
  新しいクラスのモデルをトレーニングするために、ラベル付きサンプルの限られた数だけを効果的に活用するための画像分類が提案されている。 本研究では,領域比較ネットワーク (RCN) と呼ばれる距離学習に基づく手法を提案する。 また,タスクのレベルからカテゴリへの解釈可能性の一般化も提案する。
  論文  参考訳（メタデータ） (2020-09-08T07:29:05Z)
• MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT Prostate Segmentation via Online Sampling [66.01558025094333]
  本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。 マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。 本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
  論文  参考訳（メタデータ） (2020-05-15T10:37:02Z)
• FDA: Fourier Domain Adaptation for Semantic Segmentation [82.4963423086097]
  本稿では,教師なし領域適応の簡易な手法について述べる。一方の低周波スペクトルを他方と交換することにより,音源と対象分布の相違を低減できる。 本手法を意味的セグメンテーション(semantic segmentation, 意味的セグメンテーション, 意味的セグメンテーション)で説明する。 以上の結果から,より高度な手法が学習に苦しむデータにおいて,単純な手順であってもニュアンス変動を低減できる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-04-11T22:20:48Z)
• There and Back Again: Revisiting Backpropagation Saliency Methods [87.40330595283969]
  正当性法は,各入力サンプルの重要度マップを作成することによって,モデルの予測を説明する。 このような手法の一般的なクラスは、信号のバックプロパゲートと結果の勾配の分析に基づいている。 本稿では,そのような手法を統一可能な単一のフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-06T17:58:08Z)

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。