論文の概要: Intra-video Positive Pairs in Self-Supervised Learning for Ultrasound
- arxiv url: http://arxiv.org/abs/2403.07715v1
- Date: Tue, 12 Mar 2024 14:57:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-13 21:16:59.290233
- Title: Intra-video Positive Pairs in Self-Supervised Learning for Ultrasound
- Title（参考訳）: 超音波の自己監督学習における映像内陽性ペア
- Authors: Blake VanBerlo, Alexander Wong, Jesse Hoey, Robert Arntfield
- Abstract要約: 自己教師付き学習 (SSL) は, 医療画像におけるラベル付きデータの健全性に対処するための戦略である。
本研究では,同じBモード超音波映像をSSLのペアとして用いた近位画像の利用効果について検討した。
この手法は、従来の超音波特異的比較学習法の平均検査精度を新型コロナウイルスの分類で上回り、IVPP(Intra-Video Positive Pairs)と命名された。
- 参考スコア（独自算出の注目度）: 65.23740556896654
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Self-supervised learning (SSL) is one strategy for addressing the paucity of
labelled data in medical imaging by learning representations from unlabelled
images. Contrastive and non-contrastive SSL methods produce learned
representations that are similar for pairs of related images. Such pairs are
commonly constructed by randomly distorting the same image twice. The
videographic nature of ultrasound offers flexibility for defining the
similarity relationship between pairs of images. In this study, we investigated
the effect of utilizing proximal, distinct images from the same B-mode
ultrasound video as pairs for SSL. Additionally, we introduced a sample
weighting scheme that increases the weight of closer image pairs and
demonstrated how it can be integrated into SSL objectives. Named Intra-Video
Positive Pairs (IVPP), the method surpassed previous ultrasound-specific
contrastive learning methods' average test accuracy on COVID-19 classification
with the POCUS dataset by $\ge 1.3\%$. Detailed investigations of IVPP's
hyperparameters revealed that some combinations of IVPP hyperparameters can
lead to improved or worsened performance, depending on the downstream task.
Guidelines for practitioners were synthesized based on the results, such as the
merit of IVPP with task-specific hyperparameters, and the improved performance
of contrastive methods for ultrasound compared to non-contrastive counterparts.
- Abstract（参考訳）: 自己教師付き学習(英: Self-supervised learning, SSL)とは、医療画像におけるラベル付きデータのあいまいさに対処する手法である。
対照的かつ非対照的なSSLメソッドは、関連する画像のペアに類似した学習された表現を生成する。
このようなペアは、通常、同じ画像を2回ランダムに歪曲することで構成される。
超音波の映像特性は、対画像間の類似性関係を定義する柔軟性を提供する。
本研究では,同じBモード超音波映像をSSLのペアとして用いた近位画像の利用効果について検討した。
さらに、近接画像対の重み付けを増加させるサンプル重み付けスキームを導入し、sslの目的にどのように統合できるかを実証した。
画像内陽性ペア (IVPP) と呼ばれるこの手法は、従来の超音波特異的比較学習法の平均検査精度を、POCUSデータセットで$\ge 1.3\%$で上回った。
IVPPのハイパーパラメータの詳細な調査により、IVPPハイパーパラメータのいくつかの組み合わせは、下流のタスクによって改善または悪化する可能性があることが明らかになった。
課題特異的なハイパーパラメータを用いたIVPPのメリットや,非競合性と比較した場合の超音波造影法の性能向上などに基づいて,実践者のためのガイドラインを作成した。
関連論文リスト
- Contrastive Learning with Synthetic Positives [11.932323457691945]
近隣住民との対比学習は、最も効率的な自己教師付き学習(SSL)技術の1つであることが証明されている。
本稿では,NCLP(Contrastive Learning with Synthetic Positives)という新しいアプローチを提案する。
NCLPは、無条件拡散モデルによって生成された合成画像を利用して、モデルが多様な正から学ぶのに役立つ追加の正として利用する。
論文 参考訳（メタデータ） (2024-08-30T01:47:43Z) - Gadolinium dose reduction for brain MRI using conditional deep learning [66.99830668082234]
これらの手法の主な課題は、コントラスト強調の正確な予測と現実的な画像の合成である。
コントラスト前の画像対とコントラスト後の画像対のサブトラクション画像に符号化されたコントラスト信号を利用することで、両課題に対処する。
各種スキャナー,フィールド強度,コントラストエージェントを用いた合成および実データに対するアプローチの有効性を示す。
論文 参考訳（メタデータ） (2024-03-06T08:35:29Z) - Pairwise Similarity Learning is SimPLE [104.14303849615496]
我々は、汎用的で重要な学習問題、ペアワイズ類似性学習(PSL)に焦点を当てる。
PSLは、オープンセットの顔認識、話者検証、画像検索、人物の再識別など、幅広い重要な応用を仮定する。
我々は、機能/プロキシの正規化も角マージンも必要としない、SimPLEと呼ばれる驚くほど単純なプロキシフリー手法を提案する。
論文 参考訳（メタデータ） (2023-10-13T23:56:47Z) - Additional Positive Enables Better Representation Learning for Medical
Images [17.787804928943057]
本稿では,SOTA(State-of-the-art)自己教師型学習フレームワークであるBYOLに対して,新たな肯定的なペアを特定する方法を提案する。
各画像に対して、他の画像から最も類似したサンプルを付加陽性として選択し、BYOL損失とともに特徴を引き出す。
2つの公開医療データセットの実験結果から,提案手法が分類性能を向上させることを示す。
論文 参考訳（メタデータ） (2023-05-31T18:37:02Z) - GraVIS: Grouping Augmented Views from Independent Sources for
Dermatology Analysis [52.04899592688968]
皮膚科画像から自己教師付き特徴を学習するために特に最適化されたGraVISを提案する。
GraVISは、病変のセグメンテーションと疾患分類のタスクにおいて、転送学習と自己教師型学習を著しく上回っている。
論文 参考訳（メタデータ） (2023-01-11T11:38:37Z) - OADAT: Experimental and Synthetic Clinical Optoacoustic Data for
Standardized Image Processing [62.993663757843464]
オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。
OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。
臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
論文 参考訳（メタデータ） (2022-06-17T08:11:26Z) - GAN Inversion for Data Augmentation to Improve Colonoscopy Lesion
Classification [3.0100246737240877]
本研究では,GANインバージョンによって生成された合成大腸内視鏡像をトレーニングデータとして利用することにより,ディープラーニングモデルの病変分類性能を向上させることができることを示す。
このアプローチは、同じラベルを持つ一対のイメージを意味的にリッチで不整合な潜在空間に逆転させ、潜在表現を操作して、同じラベルを持つ新しい合成画像を生成する。
また,トレーニングデータセットにおける病変形状の多様性を高めるために,元のトレーニング画像間の補間により,現実的な合成病変画像を生成する。
論文 参考訳（メタデータ） (2022-05-04T23:15:45Z) - 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) - Contrast Adaptive Tissue Classification by Alternating Segmentation and
Synthesis [0.21111026813272174]
本稿では,訓練データのコントラスト特性を入力画像に適応する交互セグメンテーションと合成ステップを用いたアプローチについて述べる。
このアプローチの顕著な利点は、そのコントラスト特性に適応するために取得プロトコルの1つの例だけが必要であることである。
論文 参考訳（メタデータ） (2021-03-04T00:25:24Z) - MedAug: Contrastive learning leveraging patient metadata improves
representations for chest X-ray interpretation [8.403653472706822]
患者メタデータを用いて、異なる画像の視点からポジティブなペアを選択する手法を開発しています。
胸部X線解釈の正の対を選択するための戦略を比較検討し, 同一患者, 画像研究, 側方性などを検討した。
すべての側面で同じ研究から同じ患者からのイメージを使用することを含む私達の最もよい性能の肯定的な対の選択戦略は平均AUCの3.4%そして14.4%の性能の増加を達成します。
論文 参考訳（メタデータ） (2021-02-21T18:39:04Z)
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。