論文の概要: Weakly-Supervised PET Anomaly Detection using Implicitly-Guided Attention-Conditional Counterfactual Diffusion Modeling: a Multi-Center, Multi-Cancer, and Multi-Tracer Study

• arxiv url: http://arxiv.org/abs/2405.00239v2
• Date: Sat, 08 Feb 2025 03:56:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-11 14:26:31.981092
• Title: Weakly-Supervised PET Anomaly Detection using Implicitly-Guided Attention-Conditional Counterfactual Diffusion Modeling: a Multi-Center, Multi-Cancer, and Multi-Tracer Study
• Title（参考訳）: 重心・マルチキャンサ・マルチトラッカー研究
• Authors: Shadab Ahamed, Arman Rahmim,
• Abstract要約: PET画像(IgCONDA-PET)における異常検出のための弱教師付きIgCONDA拡散モデルを提案する。 トレーニングは、アテンションモジュールを介してイメージクラスラベル(健康対不健康)に条件付けされる。 我々は、不健康な入力画像の合成的で健全なバージョンを生成することにより、「不健康な」ドメイン翻訳を容易にする対物生成を行う。
• 参考スコア（独自算出の注目度）: 0.391955592784358
• License:
• Abstract: Minimizing the need for pixel-level annotated data to train PET lesion detection and segmentation networks is highly desired and can be transformative, given time and cost constraints associated with expert annotations. Current un-/weakly-supervised anomaly detection methods rely on autoencoder or generative adversarial networks trained only on healthy data; however GAN-based networks are more challenging to train due to issues with simultaneous optimization of two competing networks, mode collapse, etc. In this paper, we present the weakly-supervised Implicitly guided COuNterfactual diffusion model for Detecting Anomalies in PET images (IgCONDA-PET). The solution is developed and validated using PET scans from six retrospective cohorts consisting of a total of 2652 cases containing both local and public datasets. The training is conditioned on image class labels (healthy vs. unhealthy) via attention modules, and we employ implicit diffusion guidance. We perform counterfactual generation which facilitates "unhealthy-to-healthy" domain translation by generating a synthetic, healthy version of an unhealthy input image, enabling the detection of anomalies through the calculated differences. The performance of our method was compared against several other deep learning based weakly-supervised or unsupervised methods as well as traditional methods like 41% SUVmax thresholding. We also highlight the importance of incorporating attention modules in our network for the detection of small anomalies. The code is publicly available at: https://github.com/ahxmeds/IgCONDA-PET.git.
• Abstract（参考訳）: PET病変検出とセグメンテーションネットワークをトレーニングするためのピクセルレベルのアノテートデータの必要性を最小限に抑えることが望まれており、専門家のアノテーションに関連する時間とコストの制約を考慮に入れれば変換可能である。 現在の非/弱教師付き異常検出手法は、健全なデータのみに基づいて訓練されたオートエンコーダや生成敵ネットワークに依存しているが、GANベースのネットワークは、2つの競合するネットワークの同時最適化やモード崩壊などの問題により、訓練が困難である。 本稿では,PET画像(IgCONDA-PET)における異常検出のための弱教師付きImlicitly誘導CouNterfactualdiffed Modelを提案する。 このソリューションは、ローカルとパブリックの両方のデータセットを含む合計2652のケースからなる6つの振り返りコホートからPETスキャンを使用して開発され、検証されている。 トレーニングは、注意モジュールを介して画像クラスラベル(健康対不健康)に条件付けされ、暗黙の拡散誘導を用いる。 我々は、不健康な入力画像の合成的で健全なバージョンを生成して、「不健康な」ドメイン翻訳を容易にする反ファクト生成を行い、計算された差分による異常の検出を可能にする。 提案手法の性能は,従来の41%のSUVmaxしきい値設定法と同様に,弱教師付きあるいは教師なしの手法と比較した。 また,注意モジュールをネットワークに組み込むことが,小さな異常の検出に重要であることも強調した。 コードはhttps://github.com/ahxmeds/IgCONDA-PET.gitで公開されている。

関連論文リスト

• Confident Pseudo-labeled Diffusion Augmentation for Canine Cardiomegaly Detection [7.9471205712560264]
  肥大した心臓を特徴とする犬の心肥大は、検出されていない場合、深刻な健康リスクを引き起こす。 現在の検出モデルは、しばしば小さく、注釈の付かないデータセットに依存している。 犬の心内膜を同定するための信頼的擬似ラベル付き拡散拡張モデルを提案する。
  論文  参考訳（メタデータ） (2025-01-13T18:10:19Z)
• From FDG to PSMA: A Hitchhiker's Guide to Multitracer, Multicenter Lesion Segmentation in PET/CT Imaging [0.9384264274298444]
  本稿では,ResEncL アーキテクチャを用いた nnU-Net フレームワークを用いたマルチトラス,マルチセンタの一般化を目的とした AutoPET III チャレンジの解決策を提案する。 主なテクニックは、CT、MR、PETデータセット間での誤調整データ拡張とマルチモーダル事前トレーニングである。 Diceスコアが57.61となったデフォルトのnnU-Netと比較して、Diceスコアが68.40であり、偽陽性(FPvol: 7.82)と偽陰性(FNvol: 10.35)が減少している。
  論文  参考訳（メタデータ） (2024-09-14T16:39:17Z)
• Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
  本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。 本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。 実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-10-22T02:27:02Z)
• Contrastive Diffusion Model with Auxiliary Guidance for Coarse-to-Fine PET Reconstruction [62.29541106695824]
  本稿では, 粗い予測モジュール (CPM) と反復的修正モジュール (IRM) から構成される粗大なPET再構成フレームワークを提案する。 計算オーバーヘッドの大部分をCPMに委譲することで,本手法のサンプリング速度を大幅に向上させることができる。 2つの追加戦略、すなわち補助的な誘導戦略と対照的な拡散戦略が提案され、再構築プロセスに統合される。
  論文  参考訳（メタデータ） (2023-08-20T04:10:36Z)
• A robust multi-domain network for short-scanning amyloid PET reconstruction [0.18750851274087485]
  本稿では,低品質なアミロイドPET画像の短時間での復元を目的とした,堅牢なマルチドメインネットワークを提案する。 提案手法は,複数のドメインから抽出した短距離(2分)および標準20分(20分)のPET画像のペアをトレーニングする。
  論文  参考訳（メタデータ） (2023-05-17T06:31:10Z)
• CG-3DSRGAN: A classification guided 3D generative adversarial network for image quality recovery from low-dose PET images [10.994223928445589]
  PET画像では, トレーサー線量による高放射能が主な関心事である。 投与量を減少させると、画像の質が不十分になる。 CNNを用いた低線量PET合成法が開発されている。
  論文  参考訳（メタデータ） (2023-04-03T05:39:02Z)
• Seamless Iterative Semi-Supervised Correction of Imperfect Labels in Microscopy Images [57.42492501915773]
  生体内試験は、医療機器の毒性に対する動物実験の代替手段である。 人間の疲労は、深層学習を魅力的なものにするために、エラー作成に重要な役割を果たします。 我々は、不完全ラベルのシームレス反復半監督補正(SISSI)を提案する。 本手法は,物体検出に適応的な早期学習補正技術を提供する。
  論文  参考訳（メタデータ） (2022-08-05T18:52:20Z)
• DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows [52.31831255787147]
  我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。 本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。 当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
  論文  参考訳（メタデータ） (2021-05-30T22:07:13Z)
• ASL to PET Translation by a Semi-supervised Residual-based Attention-guided Convolutional Neural Network [3.2480194378336464]
  動脈スピンラベリング(ASL)MRIは、脳の血液力学的測定のための非侵襲的、非放射能的、および比較的安価なイメージング技術です。 本稿では,ASLをPET画像に変換する畳み込みニューラルネットワーク(CNN)モデルを提案する。
  論文  参考訳（メタデータ） (2021-03-08T22:06:02Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• 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)

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。