Fugu-MT 論文翻訳(概要): A Point-Neighborhood Learning Framework for Nasal Endoscope Image Segmentation

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

arxiv url: http://arxiv.org/abs/2405.20044v2
Date: Wed, 04 Dec 2024 07:35:37 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-05 15:05:02.614481
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, Weiping Wen, 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,シンプルで効率的な半教師付き半教師付き手法を提案する。 PNLでは、モデルのトレーニングを明示的に指導する点近傍の監督損失と擬似ラベルスコアリング機構を提案する。提案手法は,セグメンテーションニューラルネットワークのパラメータを増大させることなく,性能を著しく向上させる。
参考スコア（独自算出の注目度）: 41.46663118326646
License:
Abstract: Lesion segmentation on nasal endoscopic images is challenging due to its complex lesion features. Fully-supervised deep learning methods achieve promising performance with pixel-level annotations but impose a significant annotation burden on experts. Although weakly supervised or semi-supervised methods can reduce the labelling burden, their performance is still limited. Some weakly semi-supervised methods employ a novel annotation strategy that labels weak single-point annotations for the entire training set while providing pixel-level annotations for a small subset of the data. However, the relevant weakly semi-supervised methods only mine the limited information of the point itself, while ignoring its label property and surrounding reliable information. This paper proposes a simple yet efficient weakly semi-supervised method called the Point-Neighborhood Learning (PNL) framework. PNL incorporates the surrounding area of the point, referred to as the point-neighborhood, into the learning process. In PNL, we propose a point-neighborhood supervision loss and a pseudo-label scoring mechanism to explicitly guide the model's training. Meanwhile, we proposed a more reliable data augmentation scheme. The proposed method significantly improves performance without increasing the parameters of the segmentation neural network. Extensive experiments on the NPC-LES dataset demonstrate that PNL outperforms existing methods by a significant margin. Additional validation on colonoscopic polyp segmentation datasets confirms the generalizability of the proposed PNL.
Abstract（参考訳）: 鼻腔内視鏡像の病変分割は, 複雑な病変の特徴から困難である。完全教師付きディープラーニング手法は、ピクセルレベルのアノテーションで有望なパフォーマンスを達成するが、専門家に重要なアノテーションの負担を課す。弱い教師付きあるいは半教師付き手法はラベル付けの負担を軽減することができるが、その性能は制限されている。いくつかの弱い半教師付き手法は、トレーニングセット全体に対して弱い単一ポイントアノテーションをラベル付けし、データの小さなサブセットに対してピクセルレベルのアノテーションを提供する、新しいアノテーション戦略を採用している。しかし、関連する半教師付き手法は、そのラベル特性や周囲の信頼できる情報を無視しながら、点自体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,シンプルで効率的な半教師付き半教師付き手法を提案する。 PNLは、点近傍と呼ばれる点の周辺領域を学習プロセスに組み込む。 PNLでは、モデルのトレーニングを明示的に指導する点近傍の監督損失と擬似ラベルスコアリング機構を提案する。一方,より信頼性の高いデータ拡張方式を提案する。提案手法は,セグメンテーションニューラルネットワークのパラメータを増大させることなく,性能を著しく向上させる。 NPC-LESデータセットの大規模な実験により、PNLは既存の手法よりも大きなマージンで優れていることが示された。大腸内視鏡的ポリープセグメンテーションデータセットのさらなる検証により,提案したPNLの一般化可能性が確認された。

関連論文リスト

EAUWSeg: Eliminating annotation uncertainty in weakly-supervised medical image segmentation [4.334357692599945]
正確なピクセル間ラベルではなく、粗いアノテーションのみを必要とするため、弱く管理された医用画像のセグメンテーションが勢いを増している。本稿では,その学習フレームワークEAUWSegと結合して,アノテーションの不確実性を排除した新しい弱いアノテーション手法を提案する。 EAUWSegは、既存の弱教師付きセグメンテーション法よりも優れていることを示す。
論文参考訳（メタデータ） (2025-01-03T06:21:02Z)
SP${ }^3$ : Superpixel-propagated pseudo-label learning for weakly semi-supervised medical image segmentation [10.127428696255848]
弱半教師付きセグメンテーションにおいて,超Pixel-Propagated Pseudo-label Learning法を提案する。本手法は,WSSS設定下での腫瘍と臓器のセグメンテーションデータセットの最先端性能を実現する。
論文参考訳（メタデータ） (2024-11-18T15:14:36Z)
Annotation-Efficient Polyp Segmentation via Active Learning [45.59503015577479]
アノテーション効率の良いポリプセグメンテーションのための深層能動的学習フレームワークを提案する。実際に,ポリプの予測マップと背景領域の類似性を調べることで,各試料の不確実性を測定する。提案手法は,パブリックデータセットと大規模社内データセットの双方において,競合相手と比較して,最先端性能を実現していることを示す。
論文参考訳（メタデータ） (2024-03-21T12:25:17Z)
PCA: Semi-supervised Segmentation with Patch Confidence Adversarial Training [52.895952593202054]
医用画像セグメンテーションのためのPatch Confidence Adrial Training (PCA) と呼ばれる半教師付き対向法を提案する。 PCAは各パッチの画素構造とコンテキスト情報を学習し、十分な勾配フィードバックを得る。本手法は, 医用画像のセグメンテーションにおいて, 最先端の半教師付き手法より優れており, その有効性を示している。
論文参考訳（メタデータ） (2022-07-24T07:45:47Z)
Guided Point Contrastive Learning for Semi-supervised Point Cloud Semantic Segmentation [90.2445084743881]
そこで本研究では,モデル性能を向上させるために,未ラベルの点群をトレーニングに採用するための半教師付き点群セマンティックセマンティックセマンティックセマンティクスを提案する。近年の自己監督型タスクのコントラスト損失に触発されて,特徴表現とモデル一般化能力を高めるためのガイド付きポイントコントラスト損失を提案する。
論文参考訳（メタデータ） (2021-10-15T16:38:54Z)
WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
論文参考訳（メタデータ） (2021-05-21T11:58:50Z)
Cyclic Label Propagation for Graph Semi-supervised Learning [52.102251202186025]
本稿では,CycPropと呼ばれるグラフ半教師付き学習のための新しいフレームワークを提案する。 CycPropはGNNを周期的かつ相互に強化された方法でラベル伝播の過程に統合する。特に,提案するCycPropでは,GNNモジュールが学習したノード埋め込みをラベル伝搬による拡張情報で更新する。
論文参考訳（メタデータ） (2020-11-24T02:55:40Z)
Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
論文参考訳（メタデータ） (2020-07-21T13:27:09Z)

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。