論文の概要: Importance of Feature Extraction in the Calculation of Fr\'echet Distance for Medical Imaging

• arxiv url: http://arxiv.org/abs/2311.13717v1
• Date: Wed, 22 Nov 2023 22:21:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-28 01:10:39.019545
• Title: Importance of Feature Extraction in the Calculation of Fr\'echet Distance for Medical Imaging
• Title（参考訳）: 医用画像におけるFr'echet距離計算における特徴抽出の重要性
• Authors: McKell Woodland (1 and 2), Mais Al Taie, Jessica Albuquerque Marques Silva (1), Mohamed Eltaher (1), Frank Mohn (1), Alexander Shieh (1), Austin Castelo (1), Suprateek Kundu (1), Joshua P. Yung (1), Ankit B. Patel (2 and 3), Kristy K. Brock (1) ((1) The University of Texas MD Anderson Cancer Center, (2) Rice University, (3) Baylor College of Medicine)
• Abstract要約: 本研究の目的は,医療画像におけるFr'echet Distances計算のための最先端の特徴抽出器の比較である。 StyleGAN2ネットワークは、限られたデータドメインに適したデータ拡張技術で訓練された。 ImageNetをベースとした抽出機はすべて一致していたが,SwaVのみが医療専門家の判断と有意に相関していた。
• 参考スコア（独自算出の注目度）: 29.259008600842517
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fr\'echet Inception Distance is a widely used metric for evaluating synthetic image quality that utilizes an ImageNet-trained InceptionV3 network as a feature extractor. However, its application in medical imaging lacks a standard feature extractor, leading to biased and inconsistent comparisons. This study aimed to compare state-of-the-art feature extractors for computing Fr\'echet Distances (FDs) in medical imaging. A StyleGAN2 network was trained with data augmentation techniques tailored for limited data domains on datasets comprising three medical imaging modalities and four anatomical locations. Human evaluation of generative quality (via a visual Turing test) was compared to FDs calculated using ImageNet-trained InceptionV3, ResNet50, SwAV, DINO, and Swin Transformer architectures, in addition to an InceptionV3 network trained on a large medical dataset, RadImageNet. All ImageNet-based extractors were consistent with each other, but only SwAV was significantly correlated with medical expert judgment. The RadImageNet-based FD showed volatility and lacked correlation with human judgment. Caution is advised when using medical image-trained extraction networks in the FD calculation. These networks should be rigorously evaluated on the imaging modality under consideration and publicly released. ImageNet-based extractors, while imperfect, are consistent and widely understood. Training extraction networks with SwAV is a promising approach for synthetic medical image evaluation.
• Abstract（参考訳）: Fr\'echet Inception Distanceは、ImageNet-trained InceptionV3ネットワークを特徴抽出器として利用する合成画像の品質を評価するために広く使われているメトリクスである。 しかし、医用イメージングにおけるその応用は標準的な特徴抽出器に欠けており、偏りと一貫性のない比較に繋がる。 本研究の目的は,医療画像におけるFr'echet Distance(FD)計算のための最先端特徴抽出器の比較である。 stylegan2ネットワークは、3つの医用画像モダリティと4つの解剖学的位置からなるデータセット上の限られたデータドメイン用に調整されたデータ拡張技術で訓練された。 視覚チューリングテストによる生成的品質の評価を,imagenet がトレーニングした inceptionv3, resnet50, swav, dino, swin トランスフォーマアーキテクチャを用いて算出した fds と,大規模医療データセット radimagenet 上でトレーニングされた inceptionv3 ネットワークと比較した。 すべてのimagenetベースの抽出装置は一致したが,swavのみが医療専門家の判断と有意な相関を示した。 RadImageNetベースのFDでは、ボラティリティが示され、人間の判断と相関が無かった。 fd計算における医用画像学習抽出ネットワークの利用には注意が必要である。 これらのネットワークは、検討中の画像モダリティを厳格に評価し、公開するべきである。 ImageNetベースの抽出器は不完全だが、一貫性があり、広く理解されている。 SwAVを用いた抽出ネットワークの訓練は医用画像の合成評価に有望なアプローチである。

関連論文リスト

• Source Matters: Source Dataset Impact on Model Robustness in Medical Imaging [14.250975981451914]
  我々は、ImageNetとRadImageNetが同等の分類性能を達成することを示す。 ImageNetは、共同ファウンダーに過度にフィットする傾向にある。 ImageNet-pretrained modelを使用する研究者は、モデルを再検討することを推奨する。
  論文  参考訳（メタデータ） (2024-03-07T13:36:15Z)
• Solving Sample-Level Out-of-Distribution Detection on 3D Medical Images [0.06117371161379209]
  アウト・オブ・ディストリビューション(OOD)検出はデータサンプルの識別に役立ち、モデルの信頼性を高める。 近年,2次元医用画像に有望な結果をもたらすDLベースのOOD検出技術が開発されている。 しかし、これらのアプローチのほとんどを3D画像に拡張することは、計算的に難解である。 本稿では,DLを必要としないヒストグラムに基づく手法を提案する。
  論文  参考訳（メタデータ） (2022-12-13T11:42:23Z)
• Evaluating the Performance of StyleGAN2-ADA on Medical Images [1.093320965231788]
  GAN(Generative Adversarial Network)は医療画像の分野で有望である。 本研究は,高分解能医用画像データセットに対するStyleGAN2-ADAの新たな応用として,これらの障害について検討する。 ネットワークの生成品質はFr'echet Inception Distance (FID)で定量的に測定され、ビジュアルチューリングテストで定性的に測定された。
  論文  参考訳（メタデータ） (2022-10-07T19:18:55Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Transformer-Unet: Raw Image Processing with Unet [4.7944896477309555]
  Unetの機能マップの代わりに、生画像にトランスフォーマーモジュールを追加することで、Transformer-Unetを提案する。 実験では、エンド・ツー・エンドのネットワークを構築し、従来の多くのUnetベースのアルゴリズムよりもセグメンテーション結果を得る。
  論文  参考訳（メタデータ） (2021-09-17T09:03:10Z)
• Generative Adversarial U-Net for Domain-free Medical Image Augmentation [49.72048151146307]
  注釈付き医用画像の不足は、医用画像コンピューティングの分野における最大の課題の1つだ。 本稿では,生成逆U-Netという新しい生成手法を提案する。 当社の新しいモデルは、ドメインフリーで、さまざまな医療画像に汎用性があります。
  論文  参考訳（メタデータ） (2021-01-12T23:02:26Z)
• Contrastive Learning of Medical Visual Representations from Paired Images and Text [38.91117443316013]
  本研究では,自然発生した記述的ペアリングテキストを活用することで,医用視覚表現を学習するための教師なし戦略であるConVIRTを提案する。 この2つのモダリティ間の双方向のコントラスト的目的を通じて、ペア化されたテキストデータを用いて医療画像エンコーダを事前訓練する手法は、ドメインに依存しないため、追加の専門家による入力は不要である。
  論文  参考訳（メタデータ） (2020-10-02T02:10:18Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• ElixirNet: Relation-aware Network Architecture Adaptation for Medical Lesion Detection [90.13718478362337]
  本稿では,1)TruncatedRPNが正負値と負値のバランスをとること,2)Auto-lesion Blockが自動的に医療画像にカスタマイズされ,地域提案間の関係認識操作が組み込まれること,3)Relation Transferモジュールが意味的関係を組み込むこと,の3つのコンポーネントを含む新しいElixirNetを紹介した。 DeepLesionとKits19の実験では、ElixirNetの有効性が証明され、パラメータが少なくてFPNよりも感度と精度が向上した。
  論文  参考訳（メタデータ） (2020-03-03T05:29:49Z)

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。