Fugu-MT 論文翻訳(概要): Weakly Supervised Lymph Nodes Segmentation Based on Partial Instance Annotations with Pre-trained Dual-branch Network and Pseudo Label Learning

論文の概要: Weakly Supervised Lymph Nodes Segmentation Based on Partial Instance Annotations with Pre-trained Dual-branch Network and Pseudo Label Learning

arxiv url: http://arxiv.org/abs/2408.09411v1
Date: Sun, 18 Aug 2024 08:54:53 GMT
ステータス: 処理完了
システム内更新日: 2024-08-20 20:50:15.196406
Title: Weakly Supervised Lymph Nodes Segmentation Based on Partial Instance Annotations with Pre-trained Dual-branch Network and Pseudo Label Learning
Title（参考訳）: 事前学習されたデュアルブランチネットワークと擬似ラベル学習による部分例アノテーションに基づく弱教師付きリンパ節分節
Authors: Litingyu Wang, Yijie Qu, Xiangde Luo, Wenjun Liao, Shichuan Zhang, Guotai Wang,
Abstract要約: そこで本研究では, 動的混合擬似ラベル(DBDMP)を用いたプレトレーニングDual-Branchネットワークを提案し, リンパ節セグメンテーションのための部分的インスタンスアノテーションから学習する。本手法は,Dice similarity Coefficient (DSC) を11.04%から54.10%に改善し,平均対称表面距離 (ASSD) を20.83 $mm$から8.72 $mm$に低減する。
参考スコア（独自算出の注目度）: 6.722923391378295
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Assessing the presence of potentially malignant lymph nodes aids in estimating cancer progression, and identifying surrounding benign lymph nodes can assist in determining potential metastatic pathways for cancer. For quantitative analysis, automatic segmentation of lymph nodes is crucial. However, due to the labor-intensive and time-consuming manual annotation process required for a large number of lymph nodes, it is more practical to annotate only a subset of the lymph node instances to reduce annotation costs. In this study, we propose a pre-trained Dual-Branch network with Dynamically Mixed Pseudo label (DBDMP) to learn from partial instance annotations for lymph nodes segmentation. To obtain reliable pseudo labels for lymph nodes that are not annotated, we employ a dual-decoder network to generate different outputs that are then dynamically mixed. We integrate the original weak partial annotations with the mixed pseudo labels to supervise the network. To further leverage the extensive amount of unannotated voxels, we apply a self-supervised pre-training strategy to enhance the model's feature extraction capability. Experiments on the mediastinal Lymph Node Quantification (LNQ) dataset demonstrate that our method, compared to directly learning from partial instance annotations, significantly improves the Dice Similarity Coefficient (DSC) from 11.04% to 54.10% and reduces the Average Symmetric Surface Distance (ASSD) from 20.83 $mm$ to 8.72 $mm$. The code is available at https://github.com/WltyBY/LNQ2023_training_code.git
Abstract（参考訳）: 悪性リンパ節の存在を評価することは、癌の進行を推定し、周囲の良性リンパ節を同定することで、癌の転移経路を決定するのに役立つ。定量的解析には,リンパ節の自動分節が重要である。しかし、大量のリンパ節に要する労働集約的かつ時間を要する手動アノテーションプロセスにより、アノテーションコストを削減するために、リンパ節インスタンスのサブセットのみに注釈を付ける方がより効果的である。本研究では, 動的混合擬似ラベル (DBDMP) を用いたプレトレーニングDual-Branchネットワークを提案し, リンパ節セグメンテーションのための部分的インスタンスアノテーションから学習する。アノテーションを付さないリンパ節に対する信頼性の高い擬似ラベルを得るために,デュアルデコーダネットワークを用いて動的に混合された異なる出力を生成する。ネットワークを監督するために、元の弱い部分アノテーションと混合擬似ラベルを統合する。大量の無意味なボクセルを活用するために,モデルの特徴抽出能力を高めるために,自己教師付き事前学習戦略を適用した。縦隔リンパ節定量化(LNQ)データセットの実験では、部分的なインスタンスアノテーションから直接学習するよりも、Dice similarity Coefficient(DSC)を11.04%から54.10%に大幅に改善し、平均対称表面距離(ASSD)を20.83$mmから8.72$mmに短縮した。コードはhttps://github.com/WltyBY/LNQ2023_training_code.gitで公開されている。

関連論文リスト

SDF-Net: A Hybrid Detection Network for Mediastinal Lymph Node Detection on Contrast CT Images [38.69240497671607]
リンパ節を効果的に検出するSwing-Det Fusion Network (SDF-Net)を提案する。 SDF-Netはセグメンテーションと検出の両方の機能を統合し、さまざまな形状と大きさのリンパ節の検出能力を向上する。
論文参考訳（メタデータ） (2024-09-10T08:27:44Z)
Mask the Unknown: Assessing Different Strategies to Handle Weak Annotations in the MICCAI2023 Mediastinal Lymph Node Quantification Challenge [2.1994532511228773]
MICCAI 2023 Lymph Node Quantification Challengeは、縦隔の病理リンパ節分節に関する最初の公開データセットを発表した。リンパ節アノテーションは高価であるため、この課題は、トレーニングセット内のすべてのリンパ節のサブセットだけが注釈付けされている弱い教師付き学習タスクとして形成された。課題として,ノイズラベルトレーニングやラベルなしデータの損失マスキング,TotalSegmentatorツールボックスを擬似ラベリングの形式として組み込んだアプローチなど,弱教師付きデータのトレーニング方法が検討された。提案したモデルではDiceスコアが0.628、平均対称表面距離が0.628に達した。
論文参考訳（メタデータ） (2024-06-20T14:38:33Z)
LNQ Challenge 2023: Learning Mediastinal Lymph Node Segmentation with a Probabilistic Lymph Node Atlas [0.010416625072338245]
リンパ節転移の評価は、正確ながん転移を達成する上で重要な役割を担っている。リンパ節検出は、境界が不明確であり、様々な大きさと形態的特徴があるため、課題となる。 LNQ 2023 MICCAIチャレンジの一環として,課題に対処するためのツールとして解剖学的先行性(anatomical priors)を提案する。
論文参考訳（メタデータ） (2024-06-06T11:57:25Z)
Meply: A Large-scale Dataset and Baseline Evaluations for Metastatic Perirectal Lymph Node Detection and Segmentation [10.250943622693429]
今回,Meply という大規模な直腸転移性リンパ節CT画像データセットを初めて紹介した。本稿では,新しいリンパ節分節モデルであるCoSAMを紹介する。 CoSAMは、直腸癌における転移性リンパ節の分節を誘導する配列に基づく検出を利用する。
論文参考訳（メタデータ） (2024-04-13T07:30:16Z)
Semi- and Weakly-Supervised Learning for Mammogram Mass Segmentation with Limited Annotations [49.33388736227072]
本稿では,マスセグメンテーションのための半弱教師付き学習フレームワークを提案する。良好な性能を得るために, 限られた強ラベルのサンプルと十分な弱ラベルのサンプルを用いる。 CBIS-DDSMおよびINbreastデータセットを用いた実験により,本手法の有効性が示された。
論文参考訳（メタデータ） (2024-03-14T12:05:25Z)
Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文参考訳（メタデータ） (2023-08-31T05:05:53Z)
Label Cleaning Multiple Instance Learning: Refining Coarse Annotations on Single Whole-Slide Images [83.7047542725469]
病理検体の全スライディング画像(WSI)における癌領域のアノテーションは、臨床診断、生医学研究、機械学習アルゴリズムの開発において重要な役割を担っている。本稿では,外部トレーニングデータを必要とせず,単一のWSI上で粗いアノテーションを洗練するためのLC-MIL (Label Cleaning Multiple Instance Learning) を提案する。乳癌リンパ節転移,肝癌,大腸癌の検体を併用した異種 WSI 実験の結果,LC-MIL は粗いアノテーションを著しく改善し,単一スライドから学習しながらも,最先端の代替品よりも優れていた。
論文参考訳（メタデータ） (2021-09-22T15:06:06Z)
Quantification of pulmonary involvement in COVID-19 pneumonia by means of a cascade oftwo U-nets: training and assessment on multipledatasets using different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。 2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。 LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文参考訳（メタデータ） (2021-05-06T10:21:28Z)
Mediastinal lymph nodes segmentation using 3D convolutional neural network ensembles and anatomical priors guiding [0.0]
拡大および潜在的悪性リンパ節の存在を評価し、疾患の進行を適切に推定し、最良の治療戦略を選択する必要があります。 3D畳み込みニューラルネットワークの使用について,スラブ方式や全ボリュームのダウンサンプリングを利用する方法を検討した。短軸直径$geq10$ mmの1178リンパ節では、私たちの最高のパフォーマンスアプローチは92%の患者ワイズリコール、5の患者ごとの偽陽性比と80.5%の分割重複に達しました。
論文参考訳（メタデータ） (2021-02-11T14:51:34Z)
CleftNet: Augmented Deep Learning for Synaptic Cleft Detection from Brain Electron Microscopy [49.3704402041314]
本稿では,脳em画像からのシナプス裂検出を改善するために,cleftnetと呼ばれる新しい拡張深層学習モデルを提案する。まず、機能拡張器とラベル拡張器と呼ばれる2つの新しいネットワークコンポーネントを提案し、機能とラベルを強化し、口蓋表現を改善します。
論文参考訳（メタデータ） (2021-01-12T02:45:53Z)
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。