論文の概要: MambaEviScrib: Mamba and Evidence-Guided Consistency Make CNN Work Robustly for Scribble-Based Weakly Supervised Ultrasound Image Segmentation
- arxiv url: http://arxiv.org/abs/2409.19370v1
- Date: Sat, 28 Sep 2024 14:50:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-01 22:02:39.271549
- Title: MambaEviScrib: Mamba and Evidence-Guided Consistency Make CNN Work Robustly for Scribble-Based Weakly Supervised Ultrasound Image Segmentation
- Title(参考訳): MambaEviScrib: Mamba and Evidence-Guided Consistency Make CNN work Robustly for Scribble-based Weakly Supervised Ultrasound Image Segmentation
- Authors: Xiaoxiang Han, Xinyu Li, Jiang Shang, Yiman Liu, Keyan Chen, Qiaohong Liu, Qi Zhang,
- Abstract要約: スパースアノテーションに基づく弱教師付き学習(WSL)は、性能向上を実現している。
超音波画像は、コントラストが低かったり、縁が不明瞭だったり、大きさや病変の位置が異なったりといった問題に悩まされることが多い。
本稿では,Evidence-Guided Consistency(EGC)戦略を考案するための証拠のDST(Dempster-Shafer theory)を紹介する。
- 参考スコア(独自算出の注目度): 8.033259629535971
- License:
- Abstract: Segmenting anatomical structures and lesions from ultrasound images contributes to disease assessment, diagnosis, and treatment. Weakly supervised learning (WSL) based on sparse annotation has achieved encouraging performance and demonstrated the potential to reduce annotation costs. However, ultrasound images often suffer from issues such as poor contrast, unclear edges, as well as varying sizes and locations of lesions. This makes it challenging for convolutional networks with local receptive fields to extract global morphological features from the sparse information provided by scribble annotations. Recently, the visual Mamba based on state space sequence models (SSMs) has significantly reduced computational complexity while ensuring long-range dependencies compared to Transformers. Consequently, for the first time, we apply scribble-based WSL to ultrasound image segmentation and propose a novel hybrid CNN-Mamba framework. Furthermore, due to the characteristics of ultrasound images and insufficient supervision signals, existing consistency regularization often filters out predictions near decision boundaries, leading to unstable predictions of edges. Hence, we introduce the Dempster-Shafer theory (DST) of evidence to devise an Evidence-Guided Consistency (EGC) strategy, which leverages high-evidence predictions more likely to occur near high-density regions to guide low-evidence predictions potentially present near decision boundaries for optimization. During training, the collaboration between the CNN branch and the Mamba branch in the proposed framework draws inspiration from each other based on the EGC strategy. Extensive experiments on four ultrasound public datasets for binary-class and multi-class segmentation demonstrate the competitiveness of the proposed method. The scribble-annotated dataset and code will be made available on https://github.com/GtLinyer/MambaEviScrib.
- Abstract(参考訳): 超音波画像からの解剖学的構造と病変の分離は、疾患の評価、診断、治療に寄与する。
スパースアノテーションに基づく弱教師付き学習(WSL)は、性能向上を実現し、アノテーションのコスト削減の可能性を示した。
しかし、超音波画像はコントラストの低さ、縁の不明瞭さ、大きさや病変の位置などの問題に悩まされることが多い。
これにより、局所的な受容場を持つ畳み込みネットワークが、スクリブルアノテーションによって提供されるスパース情報からグローバルな形態的特徴を抽出することが困難になる。
近年、状態空間列モデル(SSM)に基づく視覚的マンバは、トランスフォーマーと比較して長距離依存を確実にしながら、計算複雑性を著しく低減している。
その結果,超音波画像セグメント化にスクリブルベースWSLを初めて適用し,新しいハイブリッドCNN-Mambaフレームワークを提案する。
さらに、超音波画像の特徴や監視信号の不十分さにより、既存の整合性正規化はしばしば決定境界付近の予測をフィルタリングし、エッジの不安定な予測に繋がる。
そこで我々は,高密度領域付近で発生する可能性のある高エビデンス予測を利用して,最適化のための決定境界付近に存在する可能性のある低エビデンス予測を導出するEvidence-Guided Consistency(EGC)戦略を考案するための証拠のDST(Dempster-Shafer理論)を導入する。
トレーニング中、提案フレームワークにおけるCNNブランチとMambaブランチのコラボレーションは、ECC戦略に基づいて互いにインスピレーションを得ている。
二つのクラスと複数クラスのセグメンテーションのための4つの超音波公開データセットに対する大規模な実験は,提案手法の競争力を示している。
scribbleアノテーション付きデータセットとコードはhttps://github.com/GtLinyer/MambaEviScribで利用可能になる。
関連論文リスト
- Can ultrasound confidence maps predict sonographers' labeling
variability? [38.75943978900532]
本研究は,ソノグラフィーの不確実性を考慮するために,超音波セグメンテーションネットワークを誘導する新しい手法を提案する。
信頼性マップの低値と専門家のラベルの不確実性との間には相関関係があることが示されている。
以上の結果から,超音波CMではDiceスコアが増加し,HusdorffおよびAverage Surface Distanceが向上し,孤立画素の予測回数が減少した。
論文 参考訳(メタデータ) (2023-08-18T10:07:17Z) - Multi-Level Global Context Cross Consistency Model for Semi-Supervised
Ultrasound Image Segmentation with Diffusion Model [0.0]
本研究では,Latent Diffusion Model (LDM) によって生成された画像を,半教師付き学習のためのラベル付き画像として利用するフレームワークを提案する。
提案手法により,確率分布の知識をセグメント化ネットワークに効果的に伝達することが可能となり,セグメント化精度が向上する。
論文 参考訳(メタデータ) (2023-05-16T14:08:24Z) - 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) - 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) - Online Easy Example Mining for Weakly-supervised Gland Segmentation from
Histology Images [10.832913704956253]
病理組織像からのAI支援腺分節法の開発は, 自動診断と予後に重要である。
コンピュータビジョンにおける既存の弱教師付きセマンティックセマンティックセマンティクス法は、腺セマンティクスの変性結果を達成する。
信頼性の高い監視信号に着目したオンライン簡易事例マイニング(OEEM)を提案する。
論文 参考訳(メタデータ) (2022-06-14T07:53:03Z) - Mixed-UNet: Refined Class Activation Mapping for Weakly-Supervised
Semantic Segmentation with Multi-scale Inference [28.409679398886304]
我々は、デコードフェーズに2つの並列分岐を持つMixed-UNetという新しいモデルを開発する。
地域病院や公開データセットから収集したデータセットに対して,いくつかの一般的なディープラーニングに基づくセグメンテーションアプローチに対して,設計したMixed-UNetを評価した。
論文 参考訳(メタデータ) (2022-05-06T08:37:02Z) - Towards Unbiased COVID-19 Lesion Localisation and Segmentation via
Weakly Supervised Learning [66.36706284671291]
本研究では,画像レベルラベルのみに監視されたデータ駆動型フレームワークを提案する。
このフレームワークは、生成する対向ネットワークと病変特異的デコーダの助けを借りて、原画像から潜在的な病変を明示的に分離することができる。
論文 参考訳(メタデータ) (2021-03-01T06:05:49Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳(メタデータ) (2020-12-10T04:01:07Z) - Weakly-supervised Learning For Catheter Segmentation in 3D Frustum
Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。
提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文 参考訳(メタデータ) (2020-10-19T13:56:22Z) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳(メタデータ) (2020-07-24T14:02:09Z)
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。