論文の概要: Semi-weakly-supervised neural network training for medical image
registration
- arxiv url: http://arxiv.org/abs/2402.10728v1
- Date: Fri, 16 Feb 2024 14:44:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-19 15:52:23.312804
- Title: Semi-weakly-supervised neural network training for medical image
registration
- Title（参考訳）: 医用画像登録のための半教師付きニューラルネットワークトレーニング
- Authors: Yiwen Li, Yunguan Fu, Iani J.M.B. Gayo, Qianye Yang, Zhe Min, Shaheer
U. Saeed, Wen Yan, Yipei Wang, J. Alison Noble, Mark Emberton, Matthew J.
Clarkson, Dean C. Barratt, Victor A. Prisacariu, Yipeng Hu
- Abstract要約: 本稿では,モデル性能を向上させる半弱制御型登録パイプラインについて述べる。
本稿では,ネットワーク重みの摂動と画像再サンプリングによる2種類の拡張手法について検討する。
589人の男性骨盤MRI画像に8つの解剖学的ROIをラベル付けした実験は、登録性能の向上を示す。
- 参考スコア（独自算出の注目度）: 18.520388065729552
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: For training registration networks, weak supervision from segmented
corresponding regions-of-interest (ROIs) have been proven effective for (a)
supplementing unsupervised methods, and (b) being used independently in
registration tasks in which unsupervised losses are unavailable or ineffective.
This correspondence-informing supervision entails cost in annotation that
requires significant specialised effort. This paper describes a
semi-weakly-supervised registration pipeline that improves the model
performance, when only a small corresponding-ROI-labelled dataset is available,
by exploiting unlabelled image pairs. We examine two types of augmentation
methods by perturbation on network weights and image resampling, such that
consistency-based unsupervised losses can be applied on unlabelled data. The
novel WarpDDF and RegCut approaches are proposed to allow commutative
perturbation between an image pair and the predicted spatial transformation
(i.e. respective input and output of registration networks), distinct from
existing perturbation methods for classification or segmentation. Experiments
using 589 male pelvic MR images, labelled with eight anatomical ROIs, show the
improvement in registration performance and the ablated contributions from the
individual strategies. Furthermore, this study attempts to construct one of the
first computational atlases for pelvic structures, enabled by registering
inter-subject MRs, and quantifies the significant differences due to the
proposed semi-weak supervision with a discussion on the potential clinical use
of example atlas-derived statistics.
- Abstract（参考訳）: 登録ネットワークの訓練には、セグメント化された対応地域(ROI)からの弱い監督が有効であることが証明されている。
(a)無監督法を補うこと、及び
(b)教師なしの損失が使用不可能又は有効でない登録業務において独立に使用されること。
この対応性のある監視は、非常に専門的な努力を必要とするアノテーションのコストを必要とする。
本稿では,小さなROIラベル付きデータセットが利用可能である場合にのみモデル性能を向上させる半弱教師付き登録パイプラインについて述べる。
ネットワーク重みの摂動とイメージ再サンプリングによる2種類の拡張手法について検討し、一貫性に基づく教師なし損失を非競合データに適用する。
WarpDDFとRegCutのアプローチは、画像対と予測空間変換(すなわち、登録ネットワークの入力と出力)の間の可換な摂動を可能にするために提案され、分類やセグメンテーションのための既存の摂動法とは異なる。
589人の男性骨盤MRI画像に8つの解剖学的ROIをラベル付けした実験は、登録成績の改善と個々の戦略からの貢献を示す。
さらに本研究では,骨盤構造に対する最初の計算アトラスの1つを構築し,サブジェクト間mrsを登録することで実現し,アトラス由来統計の応用可能性に関する議論により,提案する半弱監視による有意な差を定量化する。
関連論文リスト
- SAMReg: SAM-enabled Image Registration with ROI-based Correspondence [12.163299991979574]
本稿では,医療用画像登録のための対の関心領域(ROI)に基づく新しい空間対応表現について述べる。
我々は,トレーニング(あるいはトレーニングデータ)や勾配に基づく微調整,即時的なエンジニアリングを必要としない新しい登録アルゴリズムSAMRegを開発した。
提案手法は,試験指標間でのインテンシティベース反復アルゴリズムとDDF予測学習ベースネットワークより優れている。
論文 参考訳（メタデータ） (2024-10-17T23:23:48Z) - You've Got Two Teachers: Co-evolutionary Image and Report Distillation
for Semi-supervised Anatomical Abnormality Detection in Chest X-ray [33.272751884183556]
公的なMIMIC-CXRベンチマークの実験結果は、CEIRDがいくつかの最新の弱い半教師付き手法に優れていることを示す。
論文 参考訳（メタデータ） (2023-07-18T12:18:21Z) - Cross-supervised Dual Classifiers for Semi-supervised Medical Image
Segmentation [10.18427897663732]
半教師付き医用画像分割は、大規模医用画像解析に有望な解決策を提供する。
本稿では、二重分類器(DC-Net)に基づくクロス教師あり学習フレームワークを提案する。
LAとPancreas-CTデータセットの実験は、DC-Netが半教師付きセグメンテーションの他の最先端手法よりも優れていることを示している。
論文 参考訳（メタデータ） (2023-05-25T16:23:39Z) - Unsupervised Visible-Infrared Person ReID by Collaborative Learning with Neighbor-Guided Label Refinement [53.044703127757295]
教師なし学習 可視赤外人物再識別 (USL-VI-ReID) は、ラベルなしのクロスモダリティデータセットからモダリティ不変の特徴を学習することを目的としている。
本稿では,生成したラベルを1つのモダリティからそれに対応するモダリティに同時に割り当てる,Dual Optimal Transport Label Assignment (DOTLA) フレームワークを提案する。
提案したDOTLA機構は、相互強化と相互モダリティデータアソシエーションの効率的な解を定式化することにより、不十分でノイズの多いラベルアソシエーションの副作用を効果的に低減することができる。
論文 参考訳（メタデータ） (2023-05-22T04:40:30Z) - Structure-aware registration network for liver DCE-CT images [50.28546654316009]
セグメント化誘導深層登録網に関連臓器の構造情報を組み込んだ構造認識型登録手法を提案する。
提案手法は,最新技術よりも高い登録精度を達成し,解剖学的構造を効果的に維持することができる。
論文 参考訳（メタデータ） (2023-03-08T14:08:56Z) - Linking data separation, visual separation, and classifier performance
using pseudo-labeling by contrastive learning [125.99533416395765]
最終分類器の性能は、潜在空間に存在するデータ分離と、射影に存在する視覚的分離に依存すると論じる。
本研究は,ヒト腸管寄生虫の5つの現実的課題の画像データセットを1%の教師付きサンプルで分類し,その結果を実証する。
論文 参考訳（メタデータ） (2023-02-06T10:01:38Z) - RCPS: Rectified Contrastive Pseudo Supervision for Semi-Supervised
Medical Image Segmentation [26.933651788004475]
我々は、RCPS(Rectified Contrastive Pseudo Supervision)という、新しい半教師付きセグメンテーション手法を提案する。
RCPSは、修正された疑似監督とボクセルレベルのコントラスト学習を組み合わせて、半教師付きセグメンテーションの有効性を向上させる。
実験結果から, 半教師付き医用画像分割における最先端手法と比較して, 高いセグメンテーション性能が得られた。
論文 参考訳（メタデータ） (2023-01-13T12:03:58Z) - Interpolation-based Correlation Reduction Network for Semi-Supervised
Graph Learning [49.94816548023729]
補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。
提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。
この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
論文 参考訳（メタデータ） (2022-06-06T14:26:34Z) - Dispensed Transformer Network for Unsupervised Domain Adaptation [21.256375606219073]
本稿では,新しい非教師付き領域適応 (UDA) 方式であるディスペンデントトランスフォーマーネットワーク (DTNet) について述べる。
提案するネットワークは,いくつかの最先端技術と比較して,最高の性能を実現している。
論文 参考訳（メタデータ） (2021-10-28T08:27:44Z) - 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) - Unsupervised Instance Segmentation in Microscopy Images via Panoptic
Domain Adaptation and Task Re-weighting [86.33696045574692]
病理組織像における教師なし核分割のためのCycle Consistency Panoptic Domain Adaptive Mask R-CNN(CyC-PDAM)アーキテクチャを提案する。
まず,合成画像中の補助的な生成物を除去するための核塗布機構を提案する。
第二に、ドメイン識別器を持つセマンティックブランチは、パンプトレベルのドメイン適応を実現するように設計されている。
論文 参考訳（メタデータ） (2020-05-05T11:08:26Z)
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。