論文の概要: Strategies to Improve Real-World Applicability of Laparoscopic Anatomy Segmentation Models
- arxiv url: http://arxiv.org/abs/2403.17192v1
- Date: Mon, 25 Mar 2024 21:08:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-27 19:26:23.259868
- Title: Strategies to Improve Real-World Applicability of Laparoscopic Anatomy Segmentation Models
- Title(参考訳): 腹腔鏡解剖分類モデルの現実的適用性向上のための方策
- Authors: Fiona R. Kolbinger, Jiangpeng He, Jinge Ma, Fengqing Zhu,
- Abstract要約: 腹腔鏡下手術データにおける画像分割モデルの現実的適用性向上戦略を提案する。
我々は,8つのセグメンテーション指標に対する,クラス特性(臓器の大きさの違い),トレーニングとテストデータ構成(正および負の例の表現),モデリングパラメータ(前景と背景のクラス重量)の影響を分析する。
- 参考スコア(独自算出の注目度): 6.8726432208129555
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Accurate identification and localization of anatomical structures of varying size and appearance in laparoscopic imaging are necessary to leverage the potential of computer vision techniques for surgical decision support. Segmentation performance of such models is traditionally reported using metrics of overlap such as IoU. However, imbalanced and unrealistic representation of classes in the training data and suboptimal selection of reported metrics have the potential to skew nominal segmentation performance and thereby ultimately limit clinical translation. In this work, we systematically analyze the impact of class characteristics (i.e., organ size differences), training and test data composition (i.e., representation of positive and negative examples), and modeling parameters (i.e., foreground-to-background class weight) on eight segmentation metrics: accuracy, precision, recall, IoU, F1 score, specificity, Hausdorff Distance, and Average Symmetric Surface Distance. Based on our findings, we propose two simple yet effective strategies to improve real-world applicability of image segmentation models in laparoscopic surgical data: (1) inclusion of negative examples in the training process and (2) adaptation of foreground-background weights in segmentation models to maximize model performance with respect to specific metrics of interest, depending on the clinical use case.
- Abstract(参考訳): 腹腔鏡下画像診断における解剖学的構造の正確な同定と局所化は,外科的意思決定支援のためのコンピュータビジョン技術の可能性を活用するために必要である。
このようなモデルのセグメンテーション性能は、伝統的にIoUのような重なり合いのメトリクスを用いて報告されている。
しかし、トレーニングデータにおけるクラスの不均衡と非現実的な表現、および報告された指標の最適選択は、名目分割性能を損なう可能性があり、最終的に臨床翻訳を制限することができる。
本研究では,8つのセグメンテーション指標(精度,精度,リコール,IoU,F1スコア,特異性,ハウスドルフ距離,平均対称表面距離)に対して,クラス特性(臓器の大きさの違いなど),トレーニングおよびテストデータ組成(正および負の例の表現),モデリングパラメータ(前景と背景のクラス重量)の影響を系統的に分析する。
本研究は, 腹腔鏡下手術データにおける画像分割モデルの現実的適用性を改善するための, 単純かつ効果的な2つの方法を提案する。
関連論文リスト
- SpecstatOR: Speckle statistics-based iOCT Segmentation Network for Ophthalmic Surgery [39.66047935237083]
本研究では, スペックルパターンの統計的解析を用いて, 統計的病理学固有の事前知識を取り入れた。
以上の結果より,網膜内および網膜層と手術器具の間には,統計的に異なるスペックルパターンが認められた。
提案するセグメンテーションモデルは, 組織理解に基づく統計的知見の洗練を目的としている。
論文 参考訳(メタデータ) (2024-04-30T11:49:29Z) - Boosting Medical Image Segmentation Performance with Adaptive Convolution Layer [6.887244952811574]
UCTransNetのような先進的なディープラーニングモデルに先立つ適応層を提案する。
我々のアプローチは、多様な解剖学的構造と微妙な画像の詳細を扱うネットワークの能力を高める。
従来のCNNよりも、同じ数のパラメータで固定されたカーネルサイズで一貫してパフォーマンスが向上している。
論文 参考訳(メタデータ) (2024-04-17T13:18:39Z) - PULASki: Learning inter-rater variability using statistical distances to
improve probabilistic segmentation [36.136619420474766]
本稿では,専門家アノテーションの変動を正確に捉えるバイオメディカルイメージセグメンテーションのためのPULASkiを提案する。
提案手法では,条件付き変分オートエンコーダ構造における統計的距離に基づいて,損失関数を改良した。
また,本手法は多ラベルセグメンテーションタスクにも適用可能であり,血行動態モデリングなどの下流タスクにも有用である。
論文 参考訳(メタデータ) (2023-12-25T10:31:22Z) - To pretrain or not to pretrain? A case study of domain-specific
pretraining for semantic segmentation in histopathology [0.9208007322096533]
ファインチューニング(ファインチューニング、英: Fine-tuning)は、疾患分類やセマンティックセグメンテーションなどのデジタル病理学の視覚応用において最も効果的な方法である。
そこで本研究では,腺と細胞分画タスクのパフォーマンスを,病理組織学的領域特異的および非ドメイン特異的(実世界の画像)の事前訓練重量と比較した。
その結果、ドメイン固有の事前トレーニングされた重み付けによるパフォーマンス向上は、トレーニングデータセットのタスクとサイズの両方に依存することがわかった。
論文 参考訳(メタデータ) (2023-07-06T20:23:39Z) - Rethinking Semi-Supervised Medical Image Segmentation: A
Variance-Reduction Perspective [51.70661197256033]
医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。
まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。
5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
論文 参考訳(メタデータ) (2023-02-03T13:50:25Z) - Mine yOur owN Anatomy: Revisiting Medical Image Segmentation with Extremely Limited Labels [54.58539616385138]
我々は、Mine yOur owN Anatomy (MONA) と呼ばれる、新しい半教師付き2次元医用画像セグメンテーションフレームワークを紹介する。
まず、先行研究では、すべてのピクセルがモデルトレーニングに等しく重要であると論じており、我々はこの1つだけで意味のある解剖学的特徴を定義できないことを経験的に観察している。
第2に,医療画像を解剖学的特徴の集合に分解できるモデルを構築する。
論文 参考訳(メタデータ) (2022-09-27T15:50:31Z) - MS Lesion Segmentation: Revisiting Weighting Mechanisms for Federated
Learning [92.91544082745196]
フェデレートラーニング(FL)は医用画像解析に広く用いられている。
FLのパフォーマンスは、多発性硬化症(MS)病変セグメンテーションタスクに制限される。
2つの効果的な再重み付け機構によるFLMS病変分割フレームワークを提案する。
論文 参考訳(メタデータ) (2022-05-03T14:06:03Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳(メタデータ) (2022-02-22T15:24:06Z) - Selecting the suitable resampling strategy for imbalanced data
classification regarding dataset properties [62.997667081978825]
医学、情報検索、サイバーセキュリティ、ソーシャルメディアなどの多くのアプリケーションドメインでは、分類モデルの導入に使用されるデータセットは、各クラスのインスタンスの不平等な分布を持つことが多い。
この状況は不均衡データ分類と呼ばれ、少数民族の例では予測性能が低い。
オーバーサンプリングとアンダーサンプリングの技術は、各クラスの例の数とバランスをとることでこの問題に対処する、よく知られた戦略である。
論文 参考訳(メタデータ) (2021-12-15T18:56:39Z) - Multi-Task, Multi-Domain Deep Segmentation with Shared Representations
and Contrastive Regularization for Sparse Pediatric Datasets [0.5249805590164902]
マルチタスクおよびマルチドメイン学習フレームワークを用いて,解剖学の異なる部分から生じるセグメンテーションモデルをトレーニングすることを提案する。
提案するセグメンテーションネットワークは、共有畳み込みフィルタ、各データセット統計を計算するドメイン固有のバッチ正規化パラメータを含む。
骨分節に対する足関節および肩関節の2つの小児画像データセットについて検討した。
論文 参考訳(メタデータ) (2021-05-21T12:26:05Z) - Trajectories, bifurcations and pseudotime in large clinical datasets:
applications to myocardial infarction and diabetes data [94.37521840642141]
混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。
この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
論文 参考訳(メタデータ) (2020-07-07T21:04:55Z)
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。