論文の概要: Learning semantic image quality for fetal ultrasound from noisy ranking
annotation
- arxiv url: http://arxiv.org/abs/2402.08294v1
- Date: Tue, 13 Feb 2024 08:48:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-14 16:06:12.180856
- Title: Learning semantic image quality for fetal ultrasound from noisy ranking
annotation
- Title(参考訳): 騒がしいランキングアノテーションによる胎児超音波のセマンティック画像品質の学習
- Authors: Manxi Lin, Jakob Ambsdorf, Emilie Pi Fogtmann Sejer, Zahra Bashir,
Chun Kit Wong, Paraskevas Pegios, Alberto Raheli, Morten Bo S{\o}ndergaard
Svendsen, Mads Nielsen, Martin Gr{\o}nneb{\ae}k Tolsgaard, Anders Nymark
Christensen, Aasa Feragen
- Abstract要約: 画像品質がセマンティック要件に依存するアプリケーションに対して,セマンティックな画像品質の概念を導入する。
画像のセマンティックな画質に基づいて画像のランク付けを行い、予測されたランク付けを不確実な推定で達成する頑健な粗大度モデルの設計を行う。
我々は,胎児超音波品質評価課題において,我々のランク付けアルゴリズムと最先端のランク付けアルゴリズムを比較した。
- 参考スコア(独自算出の注目度): 7.078132778424183
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce the notion of semantic image quality for applications where
image quality relies on semantic requirements. Working in fetal ultrasound,
where ranking is challenging and annotations are noisy, we design a robust
coarse-to-fine model that ranks images based on their semantic image quality
and endow our predicted rankings with an uncertainty estimate. To annotate
rankings on training data, we design an efficient ranking annotation scheme
based on the merge sort algorithm. Finally, we compare our ranking algorithm to
a number of state-of-the-art ranking algorithms on a challenging fetal
ultrasound quality assessment task, showing the superior performance of our
method on the majority of rank correlation metrics.
- Abstract(参考訳): 画像品質がセマンティック要件に依存するアプリケーションに対して,セマンティックな画像品質の概念を導入する。
ランキングが困難でアノテーションが煩わしい胎児超音波検査では,画像の意味的画質に基づいて画像の分類を行い,不確かさを推定して予測したランキングを付与する頑健な粗粒度モデルを設計した。
学習データのランキングをアノテートするために,マージソートアルゴリズムに基づく効率的なランキングアノテーションスキームを設計する。
最後に, 胎児超音波品質評価課題において, 評価アルゴリズムを最先端のランキングアルゴリズムと比較し, 相関指標の多数において, 提案手法の優れた性能を示す。
関連論文リスト
- Adaptive Feature Selection for No-Reference Image Quality Assessment by Mitigating Semantic Noise Sensitivity [55.399230250413986]
上流タスクから有害なセマンティックノイズを除去するためのQFM-IQM(Quality-Aware Feature Matching IQA Metric)を提案する。
提案手法は,8つの標準IQAデータセット上での最先端NR-IQA法よりも優れた性能を実現する。
論文 参考訳(メタデータ) (2023-12-11T06:50:27Z) - Bipartite Ranking Fairness through a Model Agnostic Ordering Adjustment [54.179859639868646]
本稿では,二部類ランキングにおける公平性を実現するためのモデルに依存しない後処理フレームワークxOrderを提案する。
xOrderは、教師なしおよび教師なしの公正度メトリックを含む、さまざまな分類モデルとランキングフェアネスメトリクスと互換性がある。
提案アルゴリズムを,4つのベンチマークデータセットと2つの実世界の患者電子健康記録リポジトリ上で評価した。
論文 参考訳(メタデータ) (2023-07-27T07:42:44Z) - Expert-Agnostic Ultrasound Image Quality Assessment using Deep
Variational Clustering [0.03262230127283451]
超音波画像の品質は低く、サーバ間変動によるノイズの多いアノテーションに悩まされている。
我々は,手動アノテーションの負担と不確実性を解消するUnSupervised UltraSound Image Quality Assessment Network (US2QNet)を提案する。
提案手法は,最先端クラスタリング手法よりも精度が78%,性能が優れている。
論文 参考訳(メタデータ) (2023-07-05T17:34:58Z) - Underwater Ranker: Learn Which Is Better and How to Be Better [21.47571247125381]
ランク付けに基づく水中画像品質評価(UIQA)手法をウランカー(URanker)と略して提案する。
特に,(1)グローバルな劣化に対応するために水中画像の色分布をヒストグラムトークンとして埋め込んだヒストグラム,(2)局所的な劣化をモデル化するための動的クロススケール対応を考案する。
マージンランキングの喪失により、ウランカーは視覚的品質に応じて異なる水中画像強調(UIE)アルゴリズムによって強化された同一シーンの水中画像の順序を正確にランク付けできる。
論文 参考訳(メタデータ) (2022-08-14T14:13:13Z) - Deep Semantic Statistics Matching (D2SM) Denoising Network [70.01091467628068]
本稿では,Deep Semantic Statistics Matching (D2SM) Denoising Networkを紹介する。
事前訓練された分類ネットワークの意味的特徴を利用して、意味的特徴空間における明瞭な画像の確率的分布と暗黙的に一致させる。
識別画像のセマンティックな分布を学習することで,ネットワークの認知能力を大幅に向上させることを実証的に見出した。
論文 参考訳(メタデータ) (2022-07-19T14:35:42Z) - Sub-Image Histogram Equalization using Coot Optimization Algorithm for
Segmentation and Parameter Selection [0.0]
平均および分散に基づくサブイメージヒストグラム等化(MVSIHE)アルゴリズムは,これらのコントラスト強化手法の1つである。
本研究では,直近の最適化アルゴリズム,すなわちcoot Optimization algorithm(COA)を用いて,MVSIHEアルゴリズムの適切なパラメータを選択する。
その結果, バイオメディカル画像処理の分野では, 提案手法が有効であることが示唆された。
論文 参考訳(メタデータ) (2022-05-31T06:51:45Z) - Robust Medical Image Classification from Noisy Labeled Data with Global
and Local Representation Guided Co-training [73.60883490436956]
本稿では,ロバストな医用画像分類のためのグローバルおよびローカルな表現学習を用いた新しい協調学習パラダイムを提案する。
ノイズラベルフィルタを用いた自己アンサンブルモデルを用いて、クリーンでノイズの多いサンプルを効率的に選択する。
また,ネットワークを暗黙的に正規化してノイズの多いサンプルを利用するための,グローバルかつ局所的な表現学習手法を設計する。
論文 参考訳(メタデータ) (2022-05-10T07:50:08Z) - Retrieval-based Spatially Adaptive Normalization for Semantic Image
Synthesis [68.1281982092765]
本稿では,Retrieval-based spatially AdaptIve normalization (RESAIL) と呼ばれる新しい正規化モジュールを提案する。
RESAILは、正規化アーキテクチャに対するピクセルレベルのきめ細かいガイダンスを提供する。
いくつかの挑戦的なデータセットの実験により、RESAILは定量的メトリクス、視覚的品質、主観的評価の観点から、最先端技術に対して好意的に機能することが示された。
論文 参考訳(メタデータ) (2022-04-06T14:21:39Z) - Heuristic Search for Rank Aggregation with Application to Label Ranking [16.275063634853584]
本稿では,階層化問題を解くために,効果的なハイブリッド進化的ランキングアルゴリズムを提案する。
このアルゴリズムは、コンコーダントペアに基づくセマンティッククロスオーバーと、効率的な漸進的評価手法によって強化された遅延受容局所探索を特徴とする。
アルゴリズムを評価するために実験が行われ、ベンチマークインスタンス上での高い競争性能を示す。
論文 参考訳(メタデータ) (2022-01-11T11:43:17Z) - Contextual Similarity Aggregation with Self-attention for Visual
Re-ranking [96.55393026011811]
本稿では,自己注意を伴う文脈的類似性集約による視覚的再ランク付け手法を提案する。
提案手法の汎用性と有効性を示すため,4つのベンチマークデータセットの総合的な実験を行った。
論文 参考訳(メタデータ) (2021-10-26T06:20:31Z)
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。