論文の概要: Mask-TS Net: Mask Temperature Scaling Uncertainty Calibration for Polyp Segmentation

• arxiv url: http://arxiv.org/abs/2405.05830v1
• Date: Thu, 9 May 2024 15:04:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-10 13:02:50.690253
• Title: Mask-TS Net: Mask Temperature Scaling Uncertainty Calibration for Polyp Segmentation
• Title（参考訳）: Mask-TS Net:ポリプセグメンテーションのためのマスク温度スケーリング不確かさ校正
• Authors: Yudian Zhang, Chenhao Xu, Kaiye Xu, Haijiang Zhu,
• Abstract要約: そこで我々は,Mask-LossおよびMask-TS戦略を用いた4分岐キャリブレーションネットワークを提案し,潜在的な病変領域におけるロジットのスケーリングに着目した。 その結果, キャリブレーションネットワークは, 他の手法よりも質的, 定量的に優れていることがわかった。
• 参考スコア（独自算出の注目度）: 0.624976855972012
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Lots of popular calibration methods in medical images focus on classification, but there are few comparable studies on semantic segmentation. In polyp segmentation of medical images, we find most diseased area occupies only a small portion of the entire image, resulting in previous models being not well-calibrated for lesion regions but well-calibrated for background, despite their seemingly better Expected Calibration Error (ECE) scores overall. Therefore, we proposed four-branches calibration network with Mask-Loss and Mask-TS strategies to more focus on the scaling of logits within potential lesion regions, which serves to mitigate the influence of background interference. In the experiments, we compare the existing calibration methods with the proposed Mask Temperature Scaling (Mask-TS). The results indicate that the proposed calibration network outperforms other methods both qualitatively and quantitatively.
• Abstract（参考訳）: 医用画像の一般的な校正法の多くは分類に重点を置いているが、セマンティックセグメンテーションに匹敵する研究はほとんどない。 臨床像のポリープ分割では, 疾患領域は画像全体のごく一部しか占めておらず, 従来のモデルでは病変部位の校正は不十分であったが, 背景部位の校正は良好であった。 そこで我々は,Mask-Loss と Mask-TS の4枝キャリブレーションネットワークを提案し,潜在的な病変領域におけるロジットのスケーリングに着目し,背景干渉の影響を軽減する。 実験では,既存のキャリブレーション法とマスク温度スケーリング(マスク-TS)を比較した。 その結果, キャリブレーションネットワークは, 他の手法よりも質的, 定量的に優れていることがわかった。

関連論文リスト

• CodaMal: Contrastive Domain Adaptation for Malaria Detection in Low-Cost Microscopes [51.5625352379093]
  マラリアは世界中で大きな問題であり、診断には低コストの顕微鏡(LCM)で効果的に動作するスケーラブルなソリューションが必要である。 ディープラーニングに基づく手法は、顕微鏡画像からコンピュータ支援による診断に成功している。 これらの方法には、マラリア原虫の感染した細胞とその生活段階を示す注釈画像が必要である。 LCMからの注記画像は、高精細顕微鏡(HCM)からの注記画像と比較して医療専門家の負担を著しく増大させる
  論文  参考訳（メタデータ） (2024-02-16T06:57:03Z)
• AMLP:Adaptive Masking Lesion Patches for Self-supervised Medical Image Segmentation [67.97926983664676]
  自己監督型マスク画像モデリングは自然画像に対して有望な結果を示した。 しかし,このような手法を医用画像に直接適用することは依然として困難である。 適応型マスキング病変パッチ(AMLP)の自己管理型医用画像分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-08T13:18:10Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• Deep Learning based Defect classification and detection in SEM images: A Mask R-CNN approach [2.7180863515048674]
  我々は,コンピュータビジョンのためのディープラーニングアルゴリズムであるMask-RCNN(Regional Convolutional Neural Network)の応用を実証した。 我々は,ブリッジ,ブレーク,ライン崩壊など,クラス間のさまざまな欠陥パターンを検出し,セグメンテーションすることを目的としている。
  論文  参考訳（メタデータ） (2022-11-03T23:26:40Z)
• DOMINO: Domain-aware Model Calibration in Medical Image Segmentation [51.346121016559024]
  現代のディープニューラルネットワークはキャリブレーションが不十分で、信頼性と信頼性を損なう。 本稿では,クラスラベル間のセマンティック・コンフューザビリティと階層的類似性を利用したドメイン認識モデルキャリブレーション手法であるDOMINOを提案する。 その結果,DOMINOを校正したディープニューラルネットワークは,頭部画像分割における非校正モデルや最先端形態計測法よりも優れていた。
  論文  参考訳（メタデータ） (2022-09-13T15:31:52Z)
• COVID-19 Infection Segmentation from Chest CT Images Based on Scale Uncertainty [2.059505336444559]
  新型コロナウイルス(COVID-19)が世界中に広がり、多くの感染者や死亡者が出た。CT画像による新型コロナウイルスの診断は、迅速かつ正確な診断結果をもたらす可能性がある。 従来の方法は、全2D画像または3Dボリュームベースプロセスを使用する。 本稿では、パッチベースのセグメンテーションを行う感染セグメンテーションネットワーク(ISNet)と、セグメンテーション結果を洗練するスケール不確実性認識予測アグリゲーション手法を提案する。
  論文  参考訳（メタデータ） (2022-01-09T16:55:22Z)
• Multi-Scale Input Strategies for Medulloblastoma Tumor Classification using Deep Transfer Learning [59.30734371401316]
  乳腺芽腫は小児で最も多い悪性脳腫瘍である。 CNNはMBサブタイプ分類に有望な結果を示した。 タイルサイズと入力戦略の影響について検討した。
  論文  参考訳（メタデータ） (2021-09-14T09:42:37Z)
• Saliency-based segmentation of dermoscopic images using color information [3.8073142980733]
  本稿では,色覚情報を用いて色素性病変領域を自動判定する方法について検討する。 本稿では,人間の視覚的知覚に触発された新しい知覚基準と組み合わせたバイナライゼーションプロセスを用いた新しい手法を提案する。 1497画像を含む2つの公開データベース上で評価を行った。
  論文  参考訳（メタデータ） (2020-11-26T08:47:10Z)
• The Effects of Skin Lesion Segmentation on the Performance of Dermatoscopic Image Classification [3.6516187682800547]
  皮膚病変のセグメンテーションマスクの使用が皮膚内視鏡画像分類の性能に及ぼす影響について明らかに検討した。 トレーニングフェーズとテストフェーズの両方で,手動であるいは自動でセグメンテーションマスクを作成しました。 その結果, セグメンテーションマスクを用いた場合, いずれのシナリオにおいてもMM分類性能は有意に向上しなかった。
  論文  参考訳（メタデータ） (2020-08-28T12:17:25Z)
• Robustness and Overfitting Behavior of Implicit Background Models [14.221460375400692]
  画像分類モデルを弱教師付きセグメンテーションモデルに変換し、空間領域の可視化を性能に影響を与えることなく提供する。 セグメンテーションマスクを用いて、テストラベルを必要としないオーバーフィット検出基準を導出する。
  論文  参考訳（メタデータ） (2020-08-21T05:08:33Z)
• 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。