論文の概要: Data Augmentation through Pseudolabels in Automatic Region Based
Coronary Artery Segmentation for Disease Diagnosis
- arxiv url: http://arxiv.org/abs/2310.05990v1
- Date: Sun, 8 Oct 2023 04:54:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-12 04:17:40.112985
- Title: Data Augmentation through Pseudolabels in Automatic Region Based
Coronary Artery Segmentation for Disease Diagnosis
- Title(参考訳): Pseudolabelsを介する冠状動脈分割術の病的診断における有用性の検討
- Authors: Sandesh Pokhrel, Sanjay Bhandari, Eduard Vazquez, Yash Raj Shrestha,
Binod Bhattarai
- Abstract要約: 冠状動脈疾患(CAD)は予防できるが、死と障害の主な原因の1つである。
本稿では,データ拡張手法として擬似ラベルを用いることにより,ベースラインYoloモデルの性能向上を図る。
この方法は、検証データセットで9%、テストデータセットで3%、ベースラインのF1スコアを上昇させる。
- 参考スコア(独自算出の注目度): 6.943548662802804
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Coronary Artery Diseases(CADs) though preventable are one of the leading
causes of death and disability. Diagnosis of these diseases is often difficult
and resource intensive. Segmentation of arteries in angiographic images has
evolved as a tool for assistance, helping clinicians in making accurate
diagnosis. However, due to the limited amount of data and the difficulty in
curating a dataset, the task of segmentation has proven challenging. In this
study, we introduce the idea of using pseudolabels as a data augmentation
technique to improve the performance of the baseline Yolo model. This method
increases the F1 score of the baseline by 9% in the validation dataset and by
3% in the test dataset.
- Abstract(参考訳): 冠状動脈疾患(CAD)は予防できるが、死と障害の主な原因の1つである。
これらの病気の診断は、しばしば困難かつ資源集約的である。
血管造影画像における動脈の分節化は, 臨床医の正確な診断を支援する補助具として進化してきた。
しかし、データ量が限られており、データセットのキュレーションが難しいため、セグメンテーションのタスクは難しいことが証明されている。
本研究では,データ拡張手法として擬似ラベルを用いることにより,ベースラインヨロモデルの性能向上を図る。
この方法は、検証データセットで9%、テストデータセットで3%、ベースラインのF1スコアを上昇させる。
関連論文リスト
- SSASS: Semi-Supervised Approach for Stenosis Segmentation [9.767759441883008]
冠状動脈構造の複雑さとX線像の固有ノイズが相まって,この課題には大きな課題が生じる。
心血管狭窄セグメンテーションに対する半監督的アプローチを提案する。
自動冠状動脈疾患診断では異常な成績を示した。
論文 参考訳(メタデータ) (2023-11-17T02:01:19Z) - Improving Lesion Segmentation in FDG-18 Whole-Body PET/CT scans using
Multilabel approach: AutoPET II challenge [0.039550447522409014]
肝臓、脾臓、脳、膀胱などの放射性物質の取り込みが増加する臓器の存在は、しばしば課題に繋がる。
本稿では, 臓器と病変のセグメンテーションに新たなアプローチを提案し, 自動病変セグメンテーション法の性能を高めることを目的とする。
以上の結果から,本手法がテストデータセットの上位ランキングを達成できたことが示唆された。
論文 参考訳(メタデータ) (2023-11-02T19:51:54Z) - Multivessel Coronary Artery Segmentation and Stenosis Localisation using
Ensemble Learning [3.656984996633334]
そこで本研究では,MICCAI 2023 Automatic Region-based Coronary Artery Disease(冠状動脈疾患自動診断)のためのエンド・ツー・エンドの機械学習ソリューションを提案する。
X線冠動脈造影による冠動脈分画および狭窄性病変の局在性評価の方法の標準化を目的としている。
冠状動脈セグメンテーションでは平均F1スコアが37.69%、狭窄局所化では39.41%であった。
論文 参考訳(メタデータ) (2023-10-27T08:03:12Z) - ConvNeXtv2 Fusion with Mask R-CNN for Automatic Region Based Coronary
Artery Stenosis Detection for Disease Diagnosis [6.943548662802804]
我々は、インスタンスセグメンテーションタスクのために事前訓練された専用のConvnext-V2バックボーンベースのMask RCNNモデルを採用する。
この要求タスクにおいて,本手法はF1スコア0.5353を達成する。
論文 参考訳(メタデータ) (2023-10-07T09:09:05Z) - Exploring semantic information in disease: Simple Data Augmentation
Techniques for Chinese Disease Normalization [21.497703900982884]
本稿では,病気の正規化のためのトレーニングタスクとして協調して機能する一連のデータ拡張手法を提案する。
提案手法は, 拡張されていない手法と比較して最大3%の性能向上が可能である。
論文 参考訳(メタデータ) (2023-06-02T22:12:05Z) - Deep Reinforcement Learning Framework for Thoracic Diseases
Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。
本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。
提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文 参考訳(メタデータ) (2023-06-02T01:46:31Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳(メタデータ) (2021-03-19T14:13:56Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳(メタデータ) (2021-02-26T02:29:30Z) - Inheritance-guided Hierarchical Assignment for Clinical Automatic
Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。
本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文 参考訳(メタデータ) (2021-01-27T13:16:51Z) - A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading,
and Transferability [76.64661091980531]
糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある
コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。
このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
論文 参考訳(メタデータ) (2020-08-22T07:48:04Z) - Deep Mining External Imperfect Data for Chest X-ray Disease Screening [57.40329813850719]
我々は、外部のCXRデータセットを組み込むことで、不完全なトレーニングデータにつながると論じ、課題を提起する。
本研究は,多ラベル病分類問題を重み付き独立二分課題として分類する。
我々のフレームワークは、ドメインとラベルの相違を同時にモデル化し、対処し、優れた知識マイニング能力を実現する。
論文 参考訳(メタデータ) (2020-06-06T06:48:40Z)
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。