論文の概要: Fine-Grained Unsupervised Cross-Modality Domain Adaptation for Vestibular Schwannoma Segmentation

• arxiv url: http://arxiv.org/abs/2311.15090v1
• Date: Sat, 25 Nov 2023 18:08:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-29 22:09:44.857260
• Title: Fine-Grained Unsupervised Cross-Modality Domain Adaptation for Vestibular Schwannoma Segmentation
• Title（参考訳）: 前庭神経癌分節に対する細粒化非教師付きクロスモダリティドメイン適応
• Authors: Luyi Han, Tao Tan, Ritse Mann
• Abstract要約: ドメイン適応のためのきめ細かい教師なしのフレームワークの導入に注力する。 本稿では,ベクトルを用いて生成元を制御し,与えられた特徴を持つ偽画像を合成する手法を提案する。 そして、特徴辞書を検索することで、データセットに様々な拡張を適用することができる。
• 参考スコア（独自算出の注目度）: 3.0081059328558624
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The domain adaptation approach has gained significant acceptance in transferring styles across various vendors and centers, along with filling the gaps in modalities. However, multi-center application faces the challenge of the difficulty of domain adaptation due to their intra-domain differences. We focus on introducing a fine-grained unsupervised framework for domain adaptation to facilitate cross-modality segmentation of vestibular schwannoma (VS) and cochlea. We propose to use a vector to control the generator to synthesize a fake image with given features. And then, we can apply various augmentations to the dataset by searching the feature dictionary. The diversity augmentation can increase the performance and robustness of the segmentation model. On the CrossMoDA validation phase Leaderboard, our method received a mean Dice score of 0.765 and 0.836 on VS and cochlea, respectively.
• Abstract（参考訳）: ドメイン適応アプローチは、様々なベンダーやセンター間でのスタイルの転送において、モダリティのギャップを埋めるとともに、大きな受け入れられている。 しかし、マルチセンターアプリケーションはドメイン内の違いによりドメイン適応の困難さに直面している。 我々は,前庭神経ショーノマ (VS) とコチェリーの相互モダリティセグメンテーションを促進するための,ドメイン適応のためのきめ細かい教師なしフレームワークの導入に焦点をあてる。 生成器を制御するベクターを用いて,与えられた特徴を偽画像に合成する方法を提案する。 そして、特徴辞書を検索することで、データセットに様々な拡張を適用することができる。 多様性の増大はセグメンテーションモデルの性能と堅牢性を高めることができる。 クロスモダ検証フェーズリーダボードでは,vs と cochlea で平均 dice スコア 0.765 と 0.836 を得た。

関連論文リスト

• MS-MT: Multi-Scale Mean Teacher with Contrastive Unpaired Translation for Cross-Modality Vestibular Schwannoma and Cochlea Segmentation [11.100048696665496]
  教師なしドメイン適応(UDA)メソッドは、有望なクロスモダリティセグメンテーション性能を達成した。 本稿では,2つの重要な脳構造の自動分割のための,マルチスケールの自己組織化に基づくUDAフレームワークを提案する。 提案手法は,平均Diceスコアが83.8%,81.4%の有望なセグメンテーション性能を示す。
  論文  参考訳（メタデータ） (2023-03-28T08:55:00Z)
• Exploring Consistency in Cross-Domain Transformer for Domain Adaptive Semantic Segmentation [51.10389829070684]
  ドメインギャップは、自己注意の相違を引き起こす可能性がある。 このギャップのため、変圧器は、ターゲット領域の精度を低下させる刺激領域または画素に付随する。 ドメイン横断の注意層を持つアテンションマップに適応する。
  論文  参考訳（メタデータ） (2022-11-27T02:40:33Z)
• Unsupervised Cross-Modality Domain Adaptation for Vestibular Schwannoma Segmentation and Koos Grade Prediction based on Semi-Supervised Contrastive Learning [1.5953825926551457]
  クロスモダリティ前庭神経新生(VS)とコチェリーセグメンテーションとKoosグレード予測のための教師なしドメイン適応フレームワーク。 nnU-NetモデルはVSとcochleaセグメンテーションに利用され、半教師付きコントラクティブ学習事前訓練アプローチがモデル性能を改善するために使用される。 平均Diceスコアが0.8394のタスク1では4位,平均平均値が0.3941のタスク2では2位であった。
  論文  参考訳（メタデータ） (2022-10-09T13:12:20Z)
• Enhancing Data Diversity for Self-training Based Unsupervised Cross-modality Vestibular Schwannoma and Cochlea Segmentation [7.327638441664658]
  教師なし領域適応設定におけるVSとcochleaセグメンテーションのアプローチを提案する。 まず、合成データの多様性を高めるために、クロスサイト・クロスモーダルな画像翻訳戦略を開発する。 そこで,ルールベースのオフライン拡張手法を考案し,ドメインギャップを最小化する。 最後に,自己学習による自己構成セグメンテーションフレームワークを採用し,最終的な結果を得た。
  論文  参考訳（メタデータ） (2022-09-23T22:26:51Z)
• UniDAformer: Unified Domain Adaptive Panoptic Segmentation Transformer via Hierarchical Mask Calibration [49.16591283724376]
  単一ネットワーク内でのドメイン適応型インスタンス分割とセマンティックセマンティックセマンティックセマンティクスを同時に実現可能な,シンプルで統一されたドメイン適応型パン光学セマンティクスセマンティクス変換器UniDAformerを設計する。 UniDAformerは階層型マスク(Hierarchical Mask, HMC)を導入し、オンザフライでのオンラインセルフトレーニングを通じて、領域、スーパーピクセル、注釈付きピクセルのレベルで不正確な予測を修正した。 1) 統合されたドメイン適応型パン光学適応を可能にする; 2) 誤った予測を緩和し、ドメイン適応型パン光学セグメンテーションを効果的に改善する; 3) より単純なトレーニングと推論パイプラインでエンドツーエンドのトレーニングを可能にする。
  論文  参考訳（メタデータ） (2022-06-30T07:32:23Z)
• Unsupervised Contrastive Domain Adaptation for Semantic Segmentation [75.37470873764855]
  クロスドメイン適応における特徴アライメントのためのコントラスト学習を導入する。 提案手法は、ドメイン適応のための最先端手法を一貫して上回る。 Cityscapesデータセットで60.2% mIoUを達成した。
  論文  参考訳（メタデータ） (2022-04-18T16:50:46Z)
• Stagewise Unsupervised Domain Adaptation with Adversarial Self-Training for Road Segmentation of Remote Sensing Images [93.50240389540252]
  リモートセンシング画像からの道路セグメンテーションは、幅広い応用可能性を持つ課題である。 本稿では,この領域における領域シフト(DS)問題に対処するため,RoadDAと呼ばれる新たな段階的ドメイン適応モデルを提案する。 2つのベンチマーク実験の結果、RoadDAはドメインギャップを効率的に減らし、最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2021-08-28T09:29:14Z)
• Optimal Latent Vector Alignment for Unsupervised Domain Adaptation in Medical Image Segmentation [1.2183405753834562]
  OLVAは、変分オートエンコーダ(VAE)と最適輸送(OT)理論に基づく、軽量な教師なしドメイン適応手法である。 以上の結果より, 同時生成訓練に比べて12.5%の利得が得られ, 顕著な改善が見られた。
  論文  参考訳（メタデータ） (2021-06-15T14:41:09Z)
• 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)
• Cross-Domain Grouping and Alignment for Domain Adaptive Semantic Segmentation [74.3349233035632]
  深層畳み込みニューラルネットワーク(CNN)内のソースドメインとターゲットドメインにセマンティックセグメンテーションネットワークを適用する既存の技術は、対象ドメイン自身や推定カテゴリ内のクラス間変異を考慮していない。 学習可能なクラスタリングモジュールと、クロスドメイングルーピングとアライメントと呼ばれる新しいドメイン適応フレームワークを導入する。 本手法はセマンティクスセグメンテーションにおける適応性能を一貫して向上させ,様々なドメイン適応設定において最先端を上回っている。
  論文  参考訳（メタデータ） (2020-12-15T11:36:21Z)

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。