論文の概要: Automated Detection of Myopic Maculopathy in MMAC 2023: Achievements in
Classification, Segmentation, and Spherical Equivalent Prediction
- arxiv url: http://arxiv.org/abs/2401.03615v1
- Date: Mon, 8 Jan 2024 00:26:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-09 18:03:23.006049
- Title: Automated Detection of Myopic Maculopathy in MMAC 2023: Achievements in
Classification, Segmentation, and Spherical Equivalent Prediction
- Title（参考訳）: mmac 2023における筋様黄斑の自動検出 : 分類・分節化・球面等価予測の成果
- Authors: Yihao Li and Philippe Zhang and Yubo Tan and Jing Zhang and Zhihan
Wang and Weili Jiang and Pierre-Henri Conze and Mathieu Lamard and Gwenol\'e
Quellec and Mostafa El Habib Daho
- Abstract要約: 筋萎縮性黄斑変性は、病理性近視症患者の視力喪失の主要な原因である。
早期発見と即時治療は、筋萎縮性黄斑症による視力障害の予防に不可欠である。
これがMMAC(Myopic Maculopathy Analysis Challenge)の焦点であった。
- 参考スコア（独自算出の注目度）: 6.993091116816899
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Myopic macular degeneration is the most common complication of myopia and the
primary cause of vision loss in individuals with pathological myopia. Early
detection and prompt treatment are crucial in preventing vision impairment due
to myopic maculopathy. This was the focus of the Myopic Maculopathy Analysis
Challenge (MMAC), in which we participated. In task 1, classification of myopic
maculopathy, we employed the contrastive learning framework, specifically
SimCLR, to enhance classification accuracy by effectively capturing enriched
features from unlabeled data. This approach not only improved the intrinsic
understanding of the data but also elevated the performance of our
classification model. For Task 2 (segmentation of myopic maculopathy plus
lesions), we have developed independent segmentation models tailored for
different lesion segmentation tasks and implemented a test-time augmentation
strategy to further enhance the model's performance. As for Task 3 (prediction
of spherical equivalent), we have designed a deep regression model based on the
data distribution of the dataset and employed an integration strategy to
enhance the model's prediction accuracy. The results we obtained are promising
and have allowed us to position ourselves in the Top 6 of the classification
task, the Top 2 of the segmentation task, and the Top 1 of the prediction task.
The code is available at
\url{https://github.com/liyihao76/MMAC_LaTIM_Solution}.
- Abstract（参考訳）: 近視性黄斑変性は、近視の最も一般的な合併症であり、病的近視者における視力喪失の主な原因である。
近視性黄斑症による視力障害の予防には早期発見と早期治療が不可欠である。
これは、MMAC(Myopic Maculopathy Analysis Challenge)の焦点であり、私たちが参加した。
課題1では、非ラベルデータからリッチな特徴を効果的に捉えて分類精度を高めるために、対照的な学習フレームワーク、特にSimCLRを用いた。
このアプローチは,本質的なデータ理解の向上だけでなく,分類モデルの性能向上にも寄与する。
第2タスク(筋萎縮と病変の分離)では,異なる病変分割作業に適した独立セグメンテーションモデルを開発し,モデルの性能をさらに向上するためのテストタイム増強戦略を実装した。
タスク3(球面等価性の予測)については,データセットのデータ分布に基づく深部回帰モデルを設計し,モデルの予測精度を高めるための統合戦略を採用した。
得られた結果は有望であり、分類タスクの上位6位、セグメンテーションタスクの上位2位、予測タスクの上位1位に位置づけることができた。
コードは \url{https://github.com/liyihao76/mmac_latim_solution} で入手できる。
関連論文リスト
- ICH-SCNet: Intracerebral Hemorrhage Segmentation and Prognosis Classification Network Using CLIP-guided SAM mechanism [12.469269425813607]
脳内出血 (ICH) は脳卒中で最も致命的なサブタイプであり, 障害の発生頻度が高いことが特徴である。
既存のアプローチでは、これらの2つのタスクを独立して処理し、主にデータのみにフォーカスする。
本稿では,ICHセグメンテーションと予後分類の両方のために設計されたマルチタスクネットワークICH-SCNetを提案する。
論文 参考訳（メタデータ） (2024-11-07T12:34:25Z) - Weakly supervised deep learning model with size constraint for prostate cancer detection in multiparametric MRI and generalization to unseen domains [0.90668179713299]
本モデルでは, 完全教師付きベースラインモデルにより, オンパー性能が向上することを示す。
また、未確認データドメインでテストした場合、完全に教師付きモデルと弱い教師付きモデルの両方のパフォーマンス低下も観察する。
論文 参考訳（メタデータ） (2024-11-04T12:24:33Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical
Imaging via Second-order Graph Matching [59.01894976615714]
LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。
55の公開データセットから約13万の医療画像を収集しました。
LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
論文 参考訳（メタデータ） (2023-06-20T22:21:34Z) - Rethinking Semi-Supervised Medical Image Segmentation: A
Variance-Reduction Perspective [51.70661197256033]
医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。
まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。
5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
論文 参考訳（メタデータ） (2023-02-03T13:50:25Z) - Stacking Ensemble Learning in Deep Domain Adaptation for Ophthalmic
Image Classification [61.656149405657246]
ドメイン適応は、十分なラベルデータを取得することが困難な画像分類タスクに有効である。
本稿では,3つのドメイン適応手法を拡張することで,アンサンブル学習を積み重ねるための新しい手法SELDAを提案する。
Age-Related Eye Disease Study (AREDS)ベンチマーク眼科データセットを用いた実験結果から,提案モデルの有効性が示された。
論文 参考訳（メタデータ） (2022-09-27T14:19:00Z) - VAESim: A probabilistic approach for self-supervised prototype discovery [0.23624125155742057]
条件付き変分オートエンコーダに基づく画像階層化アーキテクチャを提案する。
我々は、連続した潜伏空間を用いて障害の連続を表現し、訓練中にクラスターを見つけ、画像/患者の成層に使用することができる。
本手法は,標準VAEに対して,分類タスクで測定されたkNN精度において,ベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2022-09-25T17:55:31Z) - Multi-task fusion for improving mammography screening data
classification [3.7683182861690843]
まず、個別のタスク固有のモデルのセットをトレーニングするパイプラインアプローチを提案する。
次に、標準モデルの集合戦略とは対照的に、その融合について検討する。
我々の融合アプローチは、標準モデルのアンサンブルに比べてAUCのスコアを最大0.04向上させる。
論文 参考訳（メタデータ） (2021-12-01T13:56:27Z) - Cross-Site Severity Assessment of COVID-19 from CT Images via Domain
Adaptation [64.59521853145368]
CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。
ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。
この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
論文 参考訳（メタデータ） (2021-09-08T07:56:51Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - Semantic Segmentation of Histopathological Slides for the Classification
of Cutaneous Lymphoma and Eczema [4.4154284772781525]
真菌症(Mycosis fungoides, MF)は、皮膚疾患を発症する稀な疾患である。
病理医の意思決定プロセスに2倍の価値をもたらす深層学習支援診断ツールを導入する。
論文 参考訳（メタデータ） (2020-09-10T13:49:38Z)
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。