Fugu-MT 論文翻訳(概要): Navigating Uncertainty in Medical Image Segmentation

論文の概要: Navigating Uncertainty in Medical Image Segmentation

arxiv url: http://arxiv.org/abs/2407.16367v1
Date: Tue, 23 Jul 2024 10:21:18 GMT
ステータス: 処理完了
システム内更新日: 2024-07-24 17:36:04.716178
Title: Navigating Uncertainty in Medical Image Segmentation
Title（参考訳）: 医用画像セグメンテーションにおけるナビゲーションの不確かさ
Authors: Kilian Zepf, Jes Frellsen, Aasa Feragen,
Abstract要約: 医用画像における不確実なセグメンテーション手法の選択と評価に対処する。前立腺分節化(prestate segmentation)という2つのケーススタディを提示し、最小限のアノテータ変動に対して単純な決定論的モデルでは十分であることを示した。その結果,不確実なセグメンテーションモデルを正確に選択し,開発するためのガイドラインが導かれた。
参考スコア（独自算出の注目度）: 13.12913475818328
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We address the selection and evaluation of uncertain segmentation methods in medical imaging and present two case studies: prostate segmentation, illustrating that for minimal annotator variation simple deterministic models can suffice, and lung lesion segmentation, highlighting the limitations of the Generalized Energy Distance (GED) in model selection. Our findings lead to guidelines for accurately choosing and developing uncertain segmentation models, that integrate aleatoric and epistemic components. These guidelines are designed to aid researchers and practitioners in better developing, selecting, and evaluating uncertain segmentation methods, thereby facilitating enhanced adoption and effective application of segmentation uncertainty in practice.
Abstract（参考訳）: 医用画像における不確実なセグメンテーション法の選択と評価に対処し,本研究は前立腺のセグメンテーションと肺病変セグメンテーションの2つのケーススタディである。本研究は, 動脈およびてんかんの成分を組み込んだ不確実なセグメンテーションモデルを正確に選択し, 開発するためのガイドラインを導いた。これらのガイドラインは、研究者や実践者が不確実なセグメンテーション手法を開発し、選択し、評価することを支援するために設計されており、これにより、実際にセグメンテーションの不確実性の採用と効果的な適用が促進される。

関連論文リスト

Towards Better Certified Segmentation via Diffusion Models [62.21617614504225]
セグメンテーションモデルは敵の摂動に弱いため、医療や自動運転といった重要な意思決定システムでの使用を妨げます。近年,理論的保証を得るためにガウス雑音を入力に加えることにより,セグメント化予測のランダム化が提案されている。本稿では,ランダムな平滑化と拡散モデルを組み合わせたセグメンテーション予測の問題に対処する。
論文参考訳（メタデータ） (2023-06-16T16:30:39Z)
Ambiguous Medical Image Segmentation using Diffusion Models [60.378180265885945]
我々は,グループ洞察の分布を学習することで,複数の可算出力を生成する単一拡散モデルに基づくアプローチを提案する。提案モデルでは,拡散の固有のサンプリングプロセスを利用してセグメンテーションマスクの分布を生成する。その結果,提案手法は既存の最先端曖昧なセグメンテーションネットワーク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） (2023-04-10T17:58:22Z)
Lung Nodule Segmentation and Uncertain Region Prediction with an Uncertainty-Aware Attention Mechanism [30.298653876400003]
放射線医は様々な訓練と臨床経験を持ち、肺結節の分節に変化をもたらす。従来の手法では、学習対象として単一のアノテーションを選択したり、複数のアノテーションからなる潜在空間を学習しようとするのが一般的である。本稿では,複数アノテーション間の一致や不一致を利用してセグメンテーションを改善する不確実性意識機構(UAAM)を提案する。
論文参考訳（メタデータ） (2023-03-15T07:31:55Z)
Multi-Modal Evaluation Approach for Medical Image Segmentation [4.989480853499916]
本稿では,異なるセグメンテーション手法の有効性を評価するために,新しいマルチモーダル評価(MME)手法を提案する。本稿では, 検出特性, 境界アライメント, 均一性, 総体積, 相対体積など, 関連性, 解釈可能な新しい特徴を紹介する。提案するアプローチはオープンソースで,使用することができる。
論文参考訳（メタデータ） (2023-02-08T15:31:33Z)
Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
論文参考訳（メタデータ） (2023-02-03T13:50:25Z)
Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
論文参考訳（メタデータ） (2022-12-01T07:32:56Z)
Analysing the effectiveness of a generative model for semi-supervised medical image segmentation [23.898954721893855]
自動セグメンテーションにおける最先端技術は、U-Netのような差別モデルを用いて、教師付き学習のままである。半教師付き学習(SSL)は、より堅牢で信頼性の高いモデルを得るために、重複のないデータの豊富さを活用する。セマンティックGANのような深層生成モデルは、医療画像分割問題に取り組むための真に実行可能な代替手段である。
論文参考訳（メタデータ） (2022-11-03T15:19:59Z)
CRISP - Reliable Uncertainty Estimation for Medical Image Segmentation [6.197149831796131]
本研究では,不確実性予測のためのCRISPをContRastive Imageとして提案する。 CRISPはその中核として、有効なセグメンテーションの分布を符号化するジョイント潜在空間を学習するためのコントラスト的手法を実装している。この共同潜伏空間を用いて予測を数千の潜伏ベクトルと比較し、解剖学的に一貫した不確実性写像を提供する。
論文参考訳（メタデータ） (2022-06-15T16:56:58Z)
Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文参考訳（メタデータ） (2022-02-22T15:24:06Z)
Inconsistency-aware Uncertainty Estimation for Semi-supervised Medical Image Segmentation [92.9634065964963]
我々は、不確実性推定と個別の自己学習戦略に基づいて、新しい半教師付きセグメンテーションモデル、すなわち保守的ラディカルネットワーク(CoraNet)を提案する。現在の技術と比較すると、ColaNetは優れたパフォーマンスを示しています。
論文参考訳（メタデータ） (2021-10-17T08:49:33Z)

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。