論文の概要: Assessing Test-time Variability for Interactive 3D Medical Image Segmentation with Diverse Point Prompts

• arxiv url: http://arxiv.org/abs/2311.07806v1
• Date: Mon, 13 Nov 2023 23:40:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-15 16:10:23.778316
• Title: Assessing Test-time Variability for Interactive 3D Medical Image Segmentation with Diverse Point Prompts
• Title（参考訳）: 異なる点を持つインタラクティブな3次元医用画像分割のためのテスト時間変動の評価
• Authors: Hao Li, Han Liu, Dewei Hu, Jiacheng Wang, Ipek Oguz
• Abstract要約: 多様なポイントプロンプトを用いたインタラクティブな医用画像分割のためのテスト時間変動の評価を行った。 私たちのゴールは、テスト時間中に最適なプロンプト選択のための単純で効率的なアプローチを見つけることです。 総合的な結果によって支援されたテスト期間中の迅速な選択のための最適戦略を提案する。
• 参考スコア（独自算出の注目度）: 13.08275555017179
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Interactive segmentation model leverages prompts from users to produce robust segmentation. This advancement is facilitated by prompt engineering, where interactive prompts serve as strong priors during test-time. However, this is an inherently subjective and hard-to-reproduce process. The variability in user expertise and inherently ambiguous boundaries in medical images can lead to inconsistent prompt selections, potentially affecting segmentation accuracy. This issue has not yet been extensively explored for medical imaging. In this paper, we assess the test-time variability for interactive medical image segmentation with diverse point prompts. For a given target region, the point is classified into three sub-regions: boundary, margin, and center. Our goal is to identify a straightforward and efficient approach for optimal prompt selection during test-time based on three considerations: (1) benefits of additional prompts, (2) effects of prompt placement, and (3) strategies for optimal prompt selection. We conduct extensive experiments on the public Medical Segmentation Decathlon dataset for challenging colon tumor segmentation task. We suggest an optimal strategy for prompt selection during test-time, supported by comprehensive results. The code is publicly available at https://github.com/MedICL-VU/variability
• Abstract（参考訳）: インタラクティブセグメンテーションモデルは、ユーザからのプロンプトを利用して堅牢なセグメンテーションを生成する。 この進歩はプロンプトエンジニアリングによって促進され、インタラクティブなプロンプトはテスト時に強力なプリエントとして機能する。 しかし、これは本質的に主観的で再現が難しいプロセスである。 医用画像におけるユーザの専門知識の多様性と本質的に曖昧な境界は、一貫性のないプロンプト選択をもたらし、セグメンテーション精度に影響を及ぼす可能性がある。 この問題は医療画像の分野ではまだ広く研究されていない。 本稿では,多様なポイントプロンプトを用いたインタラクティブな医用画像分割のためのテスト時間変動の評価を行う。 ある対象領域について、ポイントは境界、辺縁、中央の3つのサブリージョンに分類される。 本研究の目的は,(1)追加プロンプトの利点,(2)プロンプト配置の効果,(3)最適プロンプト選択の戦略の3つの考察に基づいて,テスト時間中に最適なプロンプト選択のための単純かつ効率的なアプローチを特定することである。 本研究は,大腸腫瘍の分節化に挑戦する公共医療セグメントデカトロンデータセットについて広範な実験を行った。 総合的な結果に支えられたテスト期間中の迅速選択のための最適戦略を提案する。 コードはhttps://github.com/MedICL-VU/variabilityで公開されている。

関連論文リスト

• SPA: Efficient User-Preference Alignment against Uncertainty in Medical Image Segmentation [8.34233304138989]
  textbfSPAは、人間との相互作用が最小限である様々なテストタイムの好みに効率的に適応する。 好みのセグメンテーションに達すると、臨床の作業量を減らす。 1) 既存の対話的セグメンテーションアプローチと比較して, 臨床時間と労力の大幅な削減が示されている。
  論文  参考訳（メタデータ） (2024-11-23T10:27:08Z)
• LIMIS: Towards Language-based Interactive Medical Image Segmentation [58.553786162527686]
  LIMISは、最初の純粋言語に基づく対話型医療画像分割モデルである。 我々は、Grounded SAMを医療領域に適応させ、言語に基づくモデルインタラクション戦略を設計する。 LIMISを3つの公開医療データセット上で,パフォーマンスとユーザビリティの観点から評価した。
  論文  参考訳（メタデータ） (2024-10-22T12:13:47Z)
• Curriculum Prompting Foundation Models for Medical Image Segmentation [17.33821260899367]
  医療画像のセグメンテーションにSAMのような、訓練済みの大規模な基礎モデルを適用することは、依然として大きな課題である。 過去の研究は各インスタンスの特定のタイプのプロンプトに大きく依存しており、理想的に正しいプロンプトのマニュアル入力を必要とする。 本稿では,原画像から得られた異なる粒度のプロンプトを利用して,より広範な臨床所見を提供することを提案する。 そこで我々は,異なるタイプのプロンプトを段階的に統合する,カリキュラムプロンプトと呼ばれる粗大な機構を設計した。
  論文  参考訳（メタデータ） (2024-09-01T11:00:18Z)
• PFPs: Prompt-guided Flexible Pathological Segmentation for Diverse Potential Outcomes Using Large Vision and Language Models [12.895542069443438]
  セグメンテーションの柔軟性を高めるために,従来のタスクトークンと並行して,LLM(Large Language Model)を通じて様々なタスクプロンプトを導入する。 コントリビューションは,(1)フレキシブルなマルチクラスセグメンテーションを誘導するために微調整言語プロンプトを用いた計算効率の高いパイプラインを構築し,(2)セグメンテーション性能を自由テキストに対する固定プロンプトと比較し,(3)マルチタスク腎病理セグメンテーションデータセットとそれに対応する各種自由テキストプロンプトを設計する。
  論文  参考訳（メタデータ） (2024-07-13T18:51:52Z)
• ScribblePrompt: Fast and Flexible Interactive Segmentation for Any Biomedical Image [4.076537350106898]
  本稿では,バイオメディカルイメージングのためのフレキシブルニューラルネットワークを用いたインタラクティブセグメンテーションツールであるemphScribblePromptを紹介する。 ドメインの専門家によるユーザスタディでは、ScribblePromptはアノテーションの時間を28%削減し、Diceを15%改善した。 インタラクティブなデモでScribblePromptを紹介し、コードを提供し、https://scribbleprompt.csail.mit.eduでscribbleアノテーションのデータセットをリリースします。
  論文  参考訳（メタデータ） (2023-12-12T15:57:03Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• PE-MED: Prompt Enhancement for Interactive Medical Image Segmentation [9.744164910887223]
  本稿では,対話型医用画像分割のためのプロンプトエンハンスメント(PE-MED)を備えた新しいフレームワークを提案する。 まず、最初のプロンプトに基づいて、温かい初期セグメンテーション結果を生成するセルフループ戦略を導入する。 第2に、1つのインタラクションにおいて有用な情報をマイニングするための新しいPrompt Attention Learning Module (PALM)を提案する。
  論文  参考訳（メタデータ） (2023-08-26T03:11:48Z)
• Bayesian Prompt Learning for Image-Language Model Generalization [64.50204877434878]
  我々はベイズ法の正規化能力を用いて、変分推論問題としてプロンプト学習をフレーム化する。 提案手法は,プロンプト空間を正規化し,目に見えないプロンプトへの過剰適合を低減し,目に見えないプロンプトのプロンプト一般化を改善する。 ベイジアン・プロンプト学習がプロンプト空間の適切なカバレッジを提供する15のベンチマークを実証的に示す。
  論文  参考訳（メタデータ） (2022-10-05T17:05:56Z)
• MM-TTA: Multi-Modal Test-Time Adaptation for 3D Semantic Segmentation [104.48766162008815]
  本稿では,3次元セマンティックセグメンテーションのためのテスト時間適応のマルチモーダル拡張を提案する。 マルチモダリティを最大限に活用できるフレームワークを設計するために、各モダリティは他のモダリティに対して正規化された自己監督信号を提供する。 正規化された擬似ラベルは、多数の多モードテスト時間適応シナリオにおいて安定した自己学習信号を生成する。
  論文  参考訳（メタデータ） (2022-04-27T02:28:12Z)
• Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
  医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。 医療対話生成のためのエンドツーエンドの変分推論手法を提案する。 行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
  論文  参考訳（メタデータ） (2021-05-13T04:14:35Z)
• Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
  腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。 本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。 結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
  論文  参考訳（メタデータ） (2020-03-23T14:35:08Z)

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。