論文の概要: Low-Resolution Chest X-ray Classification via Knowledge Distillation and Multi-task Learning

• arxiv url: http://arxiv.org/abs/2405.13370v1
• Date: Wed, 22 May 2024 06:10:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-25 01:14:40.775480
• Title: Low-Resolution Chest X-ray Classification via Knowledge Distillation and Multi-task Learning
• Title（参考訳）: 知識蒸留とマルチタスク学習による低分解能胸部X線分類
• Authors: Yasmeena Akhter, Rishabh Ranjan, Richa Singh, Mayank Vatsa,
• Abstract要約: 胸部X線(CXR)を低分解能で診断する上での課題について検討した。 高分解能CXRイメージングは、結節や不透明など、小さなが重要な異常を識別するために重要である。 本稿では,MLCAK(Multilevel Collaborative Attention Knowledge)法を提案する。
• 参考スコア（独自算出の注目度）: 46.75992018094998
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This research addresses the challenges of diagnosing chest X-rays (CXRs) at low resolutions, a common limitation in resource-constrained healthcare settings. High-resolution CXR imaging is crucial for identifying small but critical anomalies, such as nodules or opacities. However, when images are downsized for processing in Computer-Aided Diagnosis (CAD) systems, vital spatial details and receptive fields are lost, hampering diagnosis accuracy. To address this, this paper presents the Multilevel Collaborative Attention Knowledge (MLCAK) method. This approach leverages the self-attention mechanism of Vision Transformers (ViT) to transfer critical diagnostic knowledge from high-resolution images to enhance the diagnostic efficacy of low-resolution CXRs. MLCAK incorporates local pathological findings to boost model explainability, enabling more accurate global predictions in a multi-task framework tailored for low-resolution CXR analysis. Our research, utilizing the Vindr CXR dataset, shows a considerable enhancement in the ability to diagnose diseases from low-resolution images (e.g. 28 x 28), suggesting a critical transition from the traditional reliance on high-resolution imaging (e.g. 224 x 224).
• Abstract（参考訳）: 本研究は、低解像度で胸部X線(CXR)を診断することの課題に対処する。 高分解能CXRイメージングは、結節や不透明など、小さなが重要な異常を識別するために重要である。 しかし,CAD(Computer-Aided diagnosis)システムでは,画像の処理サイズが小さくなると,空間的詳細や受容領域が失われ,診断精度が低下する。 そこで本稿では,MLCAK(Multilevel Collaborative Attention Knowledge)手法を提案する。 このアプローチは、視覚変換器(ViT)の自己注意機構を利用して、高解像度画像から重要な診断知識を伝達し、低解像度CXRの診断効果を高める。 MLCAKは,低分解能CXR解析に適したマルチタスクフレームワークにおいて,より正確なグローバル予測を可能にするため,局所的な病理所見を取り入れたモデル説明可能性の向上を実現している。 Vindr CXRデータセットを用いて、低解像度画像(eg28 x 28)から病気を診断する能力を大幅に向上させ、従来の高解像度画像(eg224 x 224)への依存から重要な変化を示唆した。

関連論文リスト

• A foundation model for generalizable disease diagnosis in chest X-ray images [40.9095393430871]
  CXRBaseは,非ラベリングなCXR画像から多目的表現を学習するための基礎モデルである。 CXRBaseは1.04百万の未ラベルのCXRイメージのデータセットでトレーニングされている。 ラベル付きデータで微調整され、疾患検出の性能を高める。
  論文  参考訳（メタデータ） (2024-10-11T14:41:27Z)
• Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
  超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。 我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
  論文  参考訳（メタデータ） (2024-04-15T02:41:55Z)
• Unsupervised Iterative U-Net with an Internal Guidance Layer for Vertebrae Contrast Enhancement in Chest X-Ray Images [1.521162809610347]
  我々は,深部ニューラルネットワークを反復的に訓練することにより,X線画像の品質向上のための新しい,堅牢なアプローチを提案する。 本フレームワークは胸部X線像における脊椎の微細構造を増強する内部誘導層を含む。 実験の結果,提案手法は既存のBRISQUEスコアの精度向上手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-06-06T19:36:11Z)
• Multi-Scale Feature Fusion using Parallel-Attention Block for COVID-19 Chest X-ray Diagnosis [2.15242029196761]
  世界的な新型コロナウイルス危機下では、チェストX線(CXR)画像からの新型コロナウイルスの正確な診断が重要である。 並列アテンションブロックを用いた新しい多機能融合ネットワークを提案し、元のCXR画像とローカル位相特徴強調CXR画像をマルチスケールで融合する。
  論文  参考訳（メタデータ） (2023-04-25T16:56:12Z)
• Optimising Chest X-Rays for Image Analysis by Identifying and Removing Confounding Factors [49.005337470305584]
  新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。 公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。 我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-22T13:57:04Z)
• Multi-scale alignment and Spatial ROI Module for COVID-19 Diagnosis [13.31017458409054]
  本研究では,異なる解像度でコンテキスト情報を統合するために,深部空間ピラミッドプーリング(D-SPP)モジュールを提案する。 また,病変部位に注意を向け,無関係な情報から干渉を取り除くためのCIDモジュールも提案する。 以上の結果から,CTおよびCXR画像における新型コロナウイルスの病変の検出精度が向上した。
  論文  参考訳（メタデータ） (2022-07-04T12:07:17Z)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• 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)
• Deep Metric Learning-based Image Retrieval System for Chest Radiograph and its Clinical Applications in COVID-19 [12.584626589565522]
  胸部X線写真(CXR)は、新型コロナウイルス患者のトリアージ、診断、モニタリングにおいて重要な役割を担っている。 CXRの混合信号や非特異的信号を考えると、類似した画像と関連する臨床情報の両方を提供するCXRの画像検索モデルは、より臨床的に有意義である。 本研究では,深度学習に基づく新しいCXR画像検索モデルを開発する。
  論文  参考訳（メタデータ） (2020-11-26T03:16:48Z)

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。