論文の概要: A Point-Neighborhood Learning Framework for Nasal Endoscope Image Segmentation

• arxiv url: http://arxiv.org/abs/2405.20044v1
• Date: Thu, 30 May 2024 13:25:25 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-31 14:18:37.746768
• Title: A Point-Neighborhood Learning Framework for Nasal Endoscope Image Segmentation
• Title（参考訳）: 鼻腔内視鏡画像分割のための所要学習フレームワーク
• Authors: Pengyu Jie, Wanquan Liu, Chenqiang Gao, Yihui Wen, Rui He, Pengcheng Li, Jintao Zhang, Deyu Meng,
• Abstract要約: 本稿では,PNL(Point-Neighborhood Learning)フレームワークという,弱い半教師付き手法を提案する。 注釈付き点を囲む画素の先行をマイニングするために、単点アノテーションを点近傍と呼ばれる円形領域に変換する。 本手法はセグメンテーションネットワークの構造を変えることなく性能を大幅に向上させる。
• 参考スコア（独自算出の注目度）: 43.0260204534598
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The lesion segmentation on endoscopic images is challenging due to its complex and ambiguous features. Fully-supervised deep learning segmentation methods can receive good performance based on entirely pixel-level labeled dataset but greatly increase experts' labeling burden. Semi-supervised and weakly supervised methods can ease labeling burden, but heavily strengthen the learning difficulty. To alleviate this difficulty, weakly semi-supervised segmentation adopts a new annotation protocol of adding a large number of point annotation samples into a few pixel-level annotation samples. However, existing methods only mine points' limited information while ignoring reliable prior surrounding the point annotations. In this paper, we propose a weakly semi-supervised method called Point-Neighborhood Learning (PNL) framework. To mine the prior of the pixels surrounding the annotated point, we transform a single-point annotation into a circular area named a point-neighborhood. We propose point-neighborhood supervision loss and pseudo-label scoring mechanism to enhance training supervision. Point-neighborhoods are also used to augment the data diversity. Our method greatly improves performance without changing the structure of segmentation network. Comprehensive experiments show the superiority of our method over the other existing methods, demonstrating its effectiveness in point-annotated medical images. The project code will be available on: https://github.com/ParryJay/PNL.
• Abstract（参考訳）: 内視鏡像上の病変の分画は,その複雑で曖昧な特徴から困難である。 完全教師付きディープラーニングセグメンテーション手法は、完全にピクセルレベルのラベル付きデータセットに基づいて優れたパフォーマンスを得られるが、専門家のラベル付け負担を大幅に増加させる。 半教師付きおよび弱教師付き手法は、ラベル付けの負担を緩和するが、学習困難を強く強化する。 この難しさを軽減するために、弱い半教師付きセグメンテーションでは、多数のポイントアノテーションサンプルを数ピクセルレベルのアノテーションサンプルに追加する新しいアノテーションプロトコルを採用している。 しかし、既存のメソッドは、ポイントアノテーションを囲む前の信頼性を無視しながら、ポイントの限られた情報のみをマイニングする。 本稿では,PNL(Point-Neighborhood Learning)フレームワークという,弱い半教師付き手法を提案する。 注釈付き点を囲む画素の先行をマイニングするために、単点アノテーションを点近傍と呼ばれる円形領域に変換する。 本研究は,訓練指導を強化するために,所望の監督損失と擬似ラベルスコアリング機構を提案する。 ポイント近隣はデータの多様性を高めるためにも使われる。 本手法はセグメンテーションネットワークの構造を変えることなく性能を大幅に向上させる。 総合的な実験により,本手法が既存の手法よりも優れていることが示され,ポイントアノテートされた医用画像にその効果が示された。 プロジェクトコードは、https://github.com/ParryJay/PNL.com/https://github.com/ParryJay/PNL.com/https://github.com/ParryJay/ PNL.com/comで利用可能である。

関連論文リスト

• Learning Semantic Segmentation with Query Points Supervision on Aerial Images [57.09251327650334]
  セマンティックセグメンテーションアルゴリズムを学習するための弱教師付き学習アルゴリズムを提案する。 提案手法は正確なセマンティックセグメンテーションを行い,手作業のアノテーションに要するコストと時間を大幅に削減することで効率を向上する。
  論文  参考訳（メタデータ） (2023-09-11T14:32:04Z)
• Weakly Supervised 3D Instance Segmentation without Instance-level Annotations [57.615325809883636]
  3Dセマンティックシーン理解タスクは、ディープラーニングの出現によって大きな成功を収めた。 本稿では,分類的セマンティックラベルのみを監督対象とする,弱制御型3Dインスタンスセマンティクス手法を提案する。 分類的セマンティックラベルから擬似インスタンスラベルを生成することで,アノテーションコストの低減で既存の3Dインスタンスセグメンテーションの学習を支援することができる。
  論文  参考訳（メタデータ） (2023-08-03T12:30:52Z)
• Cyclic Learning: Bridging Image-level Labels and Nuclei Instance Segmentation [19.526504045149895]
  本稿では,この問題を解決するために,循環学習と呼ばれる画像レベルの弱教師付き手法を提案する。 サイクルラーニングは、フロントエンドの分類タスクと、バックエンドの半教師付きインスタンスセグメンテーションタスクで構成される。 3つのデータセットを用いた実験は、核インスタンスのセグメンテーションにおいて、他の画像レベルの弱教師付き手法よりも優れた、我々の手法の優れた一般性を示す。
  論文  参考訳（メタデータ） (2023-06-05T08:32:12Z)
• Weakly Supervised Semantic Segmentation for Large-Scale Point Cloud [69.36717778451667]
  大規模なポイントクラウドセマンティックセグメンテーションのための既存の方法は、高価な、退屈でエラーを起こしやすい手動のポイントワイドアノテーションを必要とする。 この問題を解決するために,2つのコンポーネントを含む効果的な弱教師付き手法を提案する。 実験結果から,既存の弱教師付き手法と完全教師付き手法を比較検討した。
  論文  参考訳（メタデータ） (2022-12-09T09:42:26Z)
• Pointly-Supervised Panoptic Segmentation [106.68888377104886]
  弱教師付き単眼セグメンテーションにポイントレベルのアノテーションを適用するための新しい手法を提案する。 完全に教師された方法で使用される高密度のピクセルレベルラベルの代わりに、ポイントレベルラベルは、監督対象ごとに単一のポイントしか提供しない。 我々は、ポイントレベルのラベルから同時に汎視的擬似マスクを生成し、それらから学習することで、エンドツーエンドのフレームワークにおける問題を定式化する。
  論文  参考訳（メタデータ） (2022-10-25T12:03:51Z)
• Point-Teaching: Weakly Semi-Supervised Object Detection with Point Annotations [81.02347863372364]
  本稿では,弱い半教師付きオブジェクト検出フレームワークであるPoint-Teachingを提案する。 具体的には,ポイントアノテート画像の擬似ラベルを生成するためのハンガリーの点マッチング手法を提案する。 そこで本研究では,不整合点の影響を低減するため,単純なyet- effective data augmentation(ポイント誘導コピーペースト)を提案する。
  論文  参考訳（メタデータ） (2022-06-01T07:04:38Z)
• Few-Shot Semantic Segmentation Augmented with Image-Level Weak Annotations [23.02986307143718]
  ショットセマンティックセグメンテーションの最近の進歩は、わずか数ピクセルレベルの注釈付き例によってこの問題に対処している。 私たちのキーとなるアイデアは、イメージレベルのラベル付きデータから知識を融合させることで、クラスのより優れたプロトタイプ表現を学ぶことです。 画像レベルのアノテーションを統合することで,距離空間におけるクラスプロトタイプ表現を学習するための新しいフレームワークPAIAを提案する。
  論文  参考訳（メタデータ） (2020-07-03T04:58:20Z)

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。