論文の概要: Toward Robust Canine Cardiac Diagnosis: Deep Prototype Alignment Network-Based Few-Shot Segmentation in Veterinary Medicine

• arxiv url: http://arxiv.org/abs/2403.06471v1
• Date: Mon, 11 Mar 2024 07:19:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-12 20:01:06.888997
• Title: Toward Robust Canine Cardiac Diagnosis: Deep Prototype Alignment Network-Based Few-Shot Segmentation in Veterinary Medicine
• Title（参考訳）: 犬の心臓のロバスト診断に向けて : 深部原型アライメントネットワークを用いた獣医学におけるFew-Shotセグメンテーション
• Authors: Jun-Young Oh, In-Gyu Lee, Tae-Eui Kam, Ji-Hoon Jeong
• Abstract要約: 本研究は, 犬胸部X線写真における心房および左心房拡張の正確なセグメンテーションについて, 提案したディーププロトタイプアライメントネットワーク(DPANet)を用いて検討した。 実験の結果,提案したDPANetが最も高い性能を示した。 以上の結果から,FSSによる心房拡張および左心房拡張のための後発性ソリューションとして,我々のモデルが持つ異常な機能を強調した。
• 参考スコア（独自算出の注目度）: 3.58439716487063
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In the cutting-edge domain of medical artificial intelligence (AI), remarkable advances have been achieved in areas such as diagnosis, prediction, and therapeutic interventions. Despite these advances, the technology for image segmentation faces the significant barrier of having to produce extensively annotated datasets. To address this challenge, few-shot segmentation (FSS) has been recognized as one of the innovative solutions. Although most of the FSS research has focused on human health care, its application in veterinary medicine, particularly for pet care, remains largely limited. This study has focused on accurate segmentation of the heart and left atrial enlargement on canine chest radiographs using the proposed deep prototype alignment network (DPANet). The PANet architecture is adopted as the backbone model, and experiments are conducted using various encoders based on VGG-19, ResNet-18, and ResNet-50 to extract features. Experimental results demonstrate that the proposed DPANet achieves the highest performance. In the 2way-1shot scenario, it achieves the highest intersection over union (IoU) value of 0.6966, and in the 2way-5shot scenario, it achieves the highest IoU value of 0.797. The DPANet not only signifies a performance improvement, but also shows an improved training speed in the 2way-5shot scenario. These results highlight our model's exceptional capability as a trailblazing solution for segmenting the heart and left atrial enlargement in veterinary applications through FSS, setting a new benchmark in veterinary AI research, and demonstrating its superior potential to veterinary medicine advances.
• Abstract（参考訳）: 医学人工知能(AI)の最先端領域では、診断、予測、治療介入などの分野で顕著な進歩が達成されている。 これらの進歩にもかかわらず、画像分割技術は広範囲に注釈付きデータセットを作成するという大きな障壁に直面している。 この課題に対処するため、FSSは革新的な解決策の1つとして認識されている。 FSSの研究のほとんどは人間の医療に焦点を当てているが、獣医学、特にペットケアへの応用は依然として限られている。 本研究では,dpanet (deep prototype alignment network) を用いて,犬胸部x線写真における心臓と左房の正確な分節化について検討した。 PANetアーキテクチャはバックボーンモデルとして採用され、VGG-19、ResNet-18、ResNet-50に基づく様々なエンコーダを用いて機能抽出を行う。 実験の結果,提案したDPANetが最も高い性能を示した。 2way-1ショットでは、結合(IoU)の値が0.6966で、2way-5ショットでは最高IoUの値が0.797である。 DPANetはパフォーマンスの改善を示すだけでなく、2way-5shotシナリオのトレーニング速度も向上している。 これらの結果は, 心の分節と左心房拡張をFSSを介して行うこと, 獣医学研究における新たなベンチマークを設定し, 獣医学の進歩に優れた可能性を示すこと, という, 我々のモデルが持つ異常な能力を強調している。

関連論文リスト

• Segmentation of Prostate Tumour Volumes from PET Images is a Different Ball Game [6.038532253968018]
  既存の方法では、腫瘍輪郭のマニュアルアノテーション中に医師が適用した強度に基づくスケーリングを正確に考慮することができない。 我々は、新しいカスタム・フィーチャー・クリッピング・正規化手法を実装した。 この結果から, PETスキャンを新規なクリッピング技術で前処理した場合, U-Netモデルの方が優れた性能が得られることがわかった。
  論文  参考訳（メタデータ） (2024-07-15T08:48:17Z)
• An Uncertainty-guided Tiered Self-training Framework for Active Source-free Domain Adaptation in Prostate Segmentation [10.061310311839856]
  Source-free Domain Adaptation (SFDA)は、プライバシとセキュリティ上の問題に対処するために、深いセグメンテーションモデルを適用するための有望なテクニックである。 安定したドメイン適応を実現するための新しい不確実性誘導型自己学習(UGTST)フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-03T08:13:16Z)
• ASPS: Augmented Segment Anything Model for Polyp Segmentation [77.25557224490075]
  SAM(Segment Anything Model)は、ポリープセグメンテーションに先例のないポテンシャルを導入している。 SAMのTransformerベースの構造は、グローバルおよび低周波情報を優先する。 CFAはトレーニング可能なCNNエンコーダブランチと凍結したViTエンコーダを統合し、ドメイン固有の知識の統合を可能にする。
  論文  参考訳（メタデータ） (2024-06-30T14:55:32Z)
• Assessing Encoder-Decoder Architectures for Robust Coronary Artery Segmentation [11.137087573421258]
  本稿では,25個のエンコーダ/デコーダの組み合わせの性能について検討する。 エンコーダとデコーダとして機能するEfficientNet-LinkNetの組み合わせは注目に値する。 ディース係数は0.882で、ハースドルフの95%は4.753である。
  論文  参考訳（メタデータ） (2023-10-16T01:55:37Z)
• Cross-Dataset Adaptation for Instrument Classification in Cataract Surgery Videos [54.1843419649895]
  特定のデータセットでこのタスクをうまく実行する最先端モデルでは、別のデータセットでテストすると、パフォーマンスが低下する。 本稿では,Barlow Adaptorと呼ばれる新しいエンドツーエンドのUnsupervised Domain Adaptation (UDA)手法を提案する。 さらに,BFAL(Barlow Feature Alignment Loss)と呼ばれる,異なるドメインにまたがる特徴を整列させる新たな損失を導入する。
  論文  参考訳（メタデータ） (2023-07-31T18:14:18Z)
• COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19 Patient Cases from Point-of-care Ultrasound Imaging [101.27276001592101]
  我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。 実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。 リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
  論文  参考訳（メタデータ） (2021-08-05T16:47:33Z)
• Robust Deep AUC Maximization: A New Surrogate Loss and Empirical Studies on Medical Image Classification [63.44396343014749]
  AUCスコアに対する新たなマージンベースサロゲート損失関数を提案する。 一般的に使用されるものよりも頑丈である。 大規模な最適化の観点からも同じ利点を享受しながら、正方損失。 私たちの知る限りでは、DAMが大規模医療画像データセットで成功するのはこれが初めてです。
  論文  参考訳（メタデータ） (2020-12-06T03:41:51Z)
• Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
  医療コミュニティにおけるこの問題の重要性を示す。 本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。 約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
  論文  参考訳（メタデータ） (2020-07-15T09:22:55Z)
• Progressive Adversarial Semantic Segmentation [11.323677925193438]
  深い畳み込みニューラルネットワークは、完全な監視が与えられた場合、非常によく機能する。 画像解析タスクのための完全教師付きモデルの成功は、大量のラベル付きデータの入手に限られる。 本稿では,新しい医用画像分割モデル,Progressive Adrial Semantic(PASS)を提案する。
  論文  参考訳（メタデータ） (2020-05-08T22:48:00Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。