論文の概要: ScribblePolyp: Scribble-Supervised Polyp Segmentation through Dual Consistency Alignment

• arxiv url: http://arxiv.org/abs/2311.05122v1
• Date: Thu, 9 Nov 2023 03:23:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-10 16:21:56.341057
• Title: ScribblePolyp: Scribble-Supervised Polyp Segmentation through Dual Consistency Alignment
• Title（参考訳）: ScribblePolyp: デュアル一貫性アライメントによるスクリブルスーパービジョンポリプセグメンテーション
• Authors: Zixun Zhang, Yuncheng Jiang, Jun Wei, Hannah Cui, Zhen Li
• Abstract要約: ScribblePolypは,スクリブルを教師する新しいポリープセグメンテーションフレームワークである。 完全に教師されたモデルとは異なり、ScribblePolypは各画像に対して2行(スクリブルラベル)のアノテーションを必要とする。 画素のかなりの部分がラベル付けされていないスクリブルラベルの粗い性質にもかかわらず、我々は2分岐整合性アプローチを提案する。
• 参考スコア（独自算出の注目度）: 9.488599217305625
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automatic polyp segmentation models play a pivotal role in the clinical diagnosis of gastrointestinal diseases. In previous studies, most methods relied on fully supervised approaches, necessitating pixel-level annotations for model training. However, the creation of pixel-level annotations is both expensive and time-consuming, impeding the development of model generalization. In response to this challenge, we introduce ScribblePolyp, a novel scribble-supervised polyp segmentation framework. Unlike fully-supervised models, ScribblePolyp only requires the annotation of two lines (scribble labels) for each image, significantly reducing the labeling cost. Despite the coarse nature of scribble labels, which leave a substantial portion of pixels unlabeled, we propose a two-branch consistency alignment approach to provide supervision for these unlabeled pixels. The first branch employs transformation consistency alignment to narrow the gap between predictions under different transformations of the same input image. The second branch leverages affinity propagation to refine predictions into a soft version, extending additional supervision to unlabeled pixels. In summary, ScribblePolyp is an efficient model that does not rely on teacher models or moving average pseudo labels during training. Extensive experiments on the SUN-SEG dataset underscore the effectiveness of ScribblePolyp, achieving a Dice score of 0.8155, with the potential for a 1.8% improvement in the Dice score through a straightforward self-training strategy.
• Abstract（参考訳）: 自動ポリープセグメンテーションモデルは消化管疾患の診断において重要な役割を担っている。 これまでの研究では、ほとんどのメソッドは完全な教師付きアプローチに依存しており、モデルのトレーニングにはピクセルレベルのアノテーションを必要としていた。 しかし、ピクセルレベルのアノテーションの作成は高価かつ時間を要するため、モデル一般化の発展を妨げる。 この課題に対応するために,新しいスクリブル制御ポリプセグメンテーションフレームワークであるScribblePolypを紹介した。 完全な教師付きモデルとは異なり、scribblepolypは各画像に対して2行の注釈(クリブルラベル)しか必要とせず、ラベリングコストを大幅に削減する。 画素のかなりの部分がラベル付けされていないスクリブルラベルの粗い性質にもかかわらず、これらのラベル付けされていないピクセルを監督するための2分岐整合性アライメント手法を提案する。 第1分枝は、同じ入力画像の異なる変換の下での予測の間のギャップを狭めるために変換整合性を用いる。 第2分枝は親和性伝播を利用して予測をソフトバージョンに洗練し、ラベルなしピクセルへの追加の監督を延長する。 要約すると、scribblepolypは教師モデルやトレーニング中の平均的な擬似ラベルに依存しない効率的なモデルである。 SUN-SEGデータセットの大規模な実験は、ScribblePolypの有効性を立証し、Diceスコアが0.8155、Diceスコアが1.8%改善される可能性を示した。

関連論文リスト

• Semi-Supervised Coupled Thin-Plate Spline Model for Rotation Correction and Beyond [84.56978780892783]
  制御点が限られている複数のTPSを、より柔軟で強力な変換に繰り返し結合するCoupledTPSを提案する。 注記コストを考慮に入れた半教師付き学習手法を開発し、ラベルのないデータを活用することにより、ワープ品質を向上させる。 実験は、回転補正のための既存の最先端解よりもCoupledTPSの優位性と普遍性を示す。
  論文  参考訳（メタデータ） (2024-01-24T13:03:28Z)
• Lesion-aware Dynamic Kernel for Polyp Segmentation [49.63274623103663]
  ポリープセグメンテーションのための障害対応動的ネットワーク(LDNet)を提案する。 従来のU字型エンコーダ・デコーダ構造であり、動的カーネル生成と更新スキームが組み込まれている。 この単純だが効果的なスキームは、我々のモデルに強力なセグメンテーション性能と一般化能力を与える。
  論文  参考訳（メタデータ） (2023-01-12T09:53:57Z)
• BoxPolyp:Boost Generalized Polyp Segmentation Using Extra Coarse Bounding Box Annotations [79.17754846553866]
  我々は、正確なマスクと余分な粗いボックスアノテーションをフル活用するための強化されたBoxPolypモデルを提案する。 実際には、従来のポリプセグメンテーションモデルの過度に適合する問題を緩和するためにボックスアノテーションが適用される。 提案手法は従来の最先端手法よりも大きなマージンで優れていた。
  論文  参考訳（メタデータ） (2022-12-07T07:45:50Z)
• Towards Automated Polyp Segmentation Using Weakly- and Semi-Supervised Learning and Deformable Transformers [8.01814397869811]
  ポリープセグメンテーションは大腸癌のコンピュータ診断への重要なステップである。 ポリプセグメンテーションの手法の多くは、ピクセル単位のアノテートデータセットを必要とする。 本稿では,弱い注釈付き画像のみを用いて,ラベルなし画像の活用によりトレーニング可能な新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-21T20:44:12Z)
• 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)
• Mixed Supervision Learning for Whole Slide Image Classification [88.31842052998319]
  超高解像度画像のための混合監視学習フレームワークを提案する。 パッチトレーニングの段階では、このフレームワークは、粗いイメージレベルのラベルを使用して、自己教師付き学習を洗練することができる。 画素レベルの偽陽性と偽陰性を抑制するための包括的な戦略が提案されている。
  論文  参考訳（メタデータ） (2021-07-02T09:46:06Z)
• Universal Weakly Supervised Segmentation by Pixel-to-Segment Contrastive Learning [28.498782661888775]
  半教師付きメトリック学習問題として弱教師付きセグメンテーションを定式化する。 特徴空間における画素とセグメント間のコントラスト関係を4種類提案する。 我々はPascal VOCとDensePoseに大きな利益をもたらす、普遍的な弱教師付きセグメンタを提供する。
  論文  参考訳（メタデータ） (2021-05-03T15:49:01Z)
• Semi-Supervised Domain Adaptation with Prototypical Alignment and Consistency Learning [86.6929930921905]
  本稿では,いくつかの対象サンプルがラベル付けされていれば,ドメインシフトに対処するのにどの程度役立つか検討する。 ランドマークの可能性を最大限に追求するために、ランドマークから各クラスのターゲットプロトタイプを計算するプロトタイプアライメント(PA)モジュールを組み込んでいます。 具体的には,ラベル付き画像に深刻な摂動を生じさせ,PAを非自明にし,モデル一般化性を促進する。
  論文  参考訳（メタデータ） (2021-04-19T08:46:08Z)
• Efficient Full Image Interactive Segmentation by Leveraging Within-image Appearance Similarity [39.17599924322882]
  インタラクティブなフルイメージセマンティックセマンティックセグメンテーションのための新しいアプローチを提案する。 ラベル付き画素からラベルなしピクセルへの伝搬は必ずしもクラス固有の知識を必要としない。 この観測に基づいて,複数のクラスから画素ラベルを共同で伝播する手法を提案する。
  論文  参考訳（メタデータ） (2020-07-16T08:21:59Z)

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。