論文の概要: Thyroid ultrasound diagnosis improvement via multi-view self-supervised learning and two-stage pre-training

• arxiv url: http://arxiv.org/abs/2402.11497v1
• Date: Sun, 18 Feb 2024 07:56:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-20 20:44:30.790785
• Title: Thyroid ultrasound diagnosis improvement via multi-view self-supervised learning and two-stage pre-training
• Title（参考訳）: 多視点自己教師付き学習と2段階前訓練による甲状腺超音波診断の改善
• Authors: Jian Wang, Xin Yang, Xiaohong Jia, Wufeng Xue, Rusi Chen, Yanlin Chen, Xiliang Zhu, Lian Liu, Yan Cao, Jianqiao Zhou, Dong Ni, Ning Gu
• Abstract要約: 甲状腺結節の分類とセグメンテーション性能を限定的な手動ラベルで改善する多視点コントラスト自己監督法を提案した。 提案手法は,同じ結節の横方向と縦方向のビューを一致させることで,結節領域にもっと焦点を合わせることができる。 また,ImageNetおよび甲状腺超音波画像の事前訓練を利用するために,2段階の事前訓練も導入した。
• 参考スコア（独自算出の注目度）: 14.852699885616218
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Thyroid nodule classification and segmentation in ultrasound images are crucial for computer-aided diagnosis; however, they face limitations owing to insufficient labeled data. In this study, we proposed a multi-view contrastive self-supervised method to improve thyroid nodule classification and segmentation performance with limited manual labels. Our method aligns the transverse and longitudinal views of the same nodule, thereby enabling the model to focus more on the nodule area. We designed an adaptive loss function that eliminates the limitations of the paired data. Additionally, we adopted a two-stage pre-training to exploit the pre-training on ImageNet and thyroid ultrasound images. Extensive experiments were conducted on a large-scale dataset collected from multiple centers. The results showed that the proposed method significantly improves nodule classification and segmentation performance with limited manual labels and outperforms state-of-the-art self-supervised methods. The two-stage pre-training also significantly exceeded ImageNet pre-training.
• Abstract（参考訳）: 超音波画像の甲状腺結節分類とセグメンテーションはコンピュータ支援診断において重要であるが,ラベル付きデータ不足による限界に直面している。 そこで本研究では, 甲状腺結節分類と分節性能を改善するための多視点コントラスト型自己教師あり方式を提案する。 本手法は,同一結節の横断的および縦方向の視野を整合させ,結節領域に焦点を合わせることを可能にする。 我々は、ペアデータの制限を取り除く適応的損失関数を設計した。 さらに,imagenetおよび甲状腺超音波画像の事前訓練を活用すべく,2段階の事前訓練を行った。 複数のセンターから収集した大規模データセット上で大規模な実験を行った。 提案手法は,手動ラベルの限定による結節分類とセグメンテーション性能を著しく向上し,最先端の自己管理手法よりも優れていた。 2段階の事前トレーニングもImageNetの事前トレーニングをはるかに上回った。

関連論文リスト

• Real-time guidewire tracking and segmentation in intraoperative x-ray [52.51797358201872]
  リアルタイムガイドワイヤ分割と追跡のための2段階のディープラーニングフレームワークを提案する。 第1段階では、ヨロフ5検出器が元のX線画像と合成画像を使って訓練され、ターゲットのガイドワイヤのバウンディングボックスを出力する。 第2段階では、検出された各バウンディングボックスにガイドワイヤを分割するために、新規で効率的なネットワークが提案されている。
  論文  参考訳（メタデータ） (2024-04-12T20:39:19Z)
• Ultrasound Image Segmentation of Thyroid Nodule via Latent Semantic Feature Co-Registration [12.211161441766532]
  本稿では,甲状腺結節分節の枠組みであるASTNを提案する。 アトラスおよび対象画像から潜在意味情報を抽出することにより、解剖学的構造の整合性を確保することができる。 また,共同登録の難しさを軽減するために,アトラス選択アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T16:18:48Z)
• DINO-CXR: A self supervised method based on vision transformer for chest X-ray classification [0.9883261192383611]
  本稿では,胸部X線分類のための視覚変換器に基づく自己監督法であるDINO-CXRを提案する。 肺炎とCOVID-19の両方の検出において提案法の有効性を示すために比較分析を行った。
  論文  参考訳（メタデータ） (2023-08-01T11:58:49Z)
• Less is More: Adaptive Curriculum Learning for Thyroid Nodule Diagnosis [50.231954872304314]
  不整合ラベルによるサンプルの発見と破棄を適応的に行うAdaptive Curriculum Learningフレームワークを提案する。 また、TNCD: Thyroid Nodule Classification データセットも提供します。
  論文  参考訳（メタデータ） (2022-07-02T11:50:02Z)
• 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)
• A New Semi-supervised Learning Benchmark for Classifying View and Diagnosing Aortic Stenosis from Echocardiograms [4.956777496509955]
  心エコー(心電図)の解釈に関連する2つの課題に対する半教師付きアプローチを評価するためのベンチマークデータセットを開発した。 我々は,MixMatchと呼ばれる最先端の手法が,両タスクのホールドアウト精度において有望なゲインを達成できることを見出した。 我々は患者レベルの診断予測を追求し、多様なビュータイプの数百の画像に集約する必要がある。
  論文  参考訳（メタデータ） (2021-07-30T21:08:12Z)
• Towards Unbiased COVID-19 Lesion Localisation and Segmentation via Weakly Supervised Learning [66.36706284671291]
  本研究では,画像レベルラベルのみに監視されたデータ駆動型フレームワークを提案する。 このフレームワークは、生成する対向ネットワークと病変特異的デコーダの助けを借りて、原画像から潜在的な病変を明示的に分離することができる。
  論文  参考訳（メタデータ） (2021-03-01T06:05:49Z)
• 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)
• Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
  胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。 また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
  論文  参考訳（メタデータ） (2020-07-21T14:37:00Z)
• Breast lesion segmentation in ultrasound images with limited annotated data [2.905751301655124]
  セグメント化ネットワークを事前学習するために,アメリカのシミュレーション画像と自然画像を補助的データセットとして用いることを提案する。 プレトレーニングネットワークの微調整により,スクラッチによるトレーニングに比べて,ダイススコアが21%向上することを示す。
  論文  参考訳（メタデータ） (2020-01-21T03:34:42Z)

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。