論文の概要: NCAdapt: Dynamic adaptation with domain-specific Neural Cellular Automata for continual hippocampus segmentation

• arxiv url: http://arxiv.org/abs/2410.23368v1
• Date: Wed, 30 Oct 2024 18:13:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-01 17:00:45.676630
• Title: NCAdapt: Dynamic adaptation with domain-specific Neural Cellular Automata for continual hippocampus segmentation
• Title（参考訳）: NCAdapt:連続海馬セグメンテーションにおけるドメイン特異的神経細胞オートマタの動的適応
• Authors: Amin Ranem, John Kalkhof, Anirban Mukhopadhyay,
• Abstract要約: 医用画像における連続学習(CL)は、モデルが獲得した知識を維持しながら新しい領域に適応する必要があるというユニークな課題を呈している。 この課題に対処するために,ニューラルセルオートマタに基づくNCAdaptを導入する。 NCAdaptはドメイン固有のマルチヘッド構造を持ち、新しいドメインが遭遇するたびに適用可能な畳み込み層をNAAバックボーンに統合する。
• 参考スコア（独自算出の注目度）: 2.5462695047893025
• License:
• Abstract: Continual learning (CL) in medical imaging presents a unique challenge, requiring models to adapt to new domains while retaining previously acquired knowledge. We introduce NCAdapt, a Neural Cellular Automata (NCA) based method designed to address this challenge. NCAdapt features a domain-specific multi-head structure, integrating adaptable convolutional layers into the NCA backbone for each new domain encountered. After initial training, the NCA backbone is frozen, and only the newly added adaptable convolutional layers, consisting of 384 parameters, are trained along with domain-specific NCA convolutions. We evaluate NCAdapt on hippocampus segmentation tasks, benchmarking its performance against Lifelong nnU-Net and U-Net models with state-of-the-art (SOTA) CL methods. Our lightweight approach achieves SOTA performance, underscoring its effectiveness in addressing CL challenges in medical imaging. Upon acceptance, we will make our code base publicly accessible to support reproducibility and foster further advancements in medical CL.
• Abstract（参考訳）: 医用画像における連続学習(CL)は、モデルが獲得した知識を維持しながら新しい領域に適応する必要があるというユニークな課題を呈している。 本稿では,この課題に対処するために,NCA(Neural Cellular Automata)に基づくNCAdaptを提案する。 NCAdaptはドメイン固有のマルチヘッド構造を持ち、新しいドメインが遭遇するたびに適用可能な畳み込み層をNAAバックボーンに統合する。 最初のトレーニングの後、NAAバックボーンは凍結され、384のパラメータからなる新しい適応可能な畳み込み層のみがドメイン固有のNAA畳み込みと共に訓練される。 海馬セグメンテーションタスクにおけるNCAdaptの評価を行い、その性能をLifelong nnU-NetおよびU-Netモデルと比較した。 医療画像におけるCL課題に対処する上で,本手法はSOTAの性能向上に寄与する。 受け入れ次第、我々のコードベースを公開して、再現性をサポートし、医療CLのさらなる進歩を促進させます。

関連論文リスト

• CNN-Transformer Rectified Collaborative Learning for Medical Image Segmentation [60.08541107831459]
  本稿では,医用画像セグメンテーションのための強力なCNNベースモデルとトランスフォーマーベースモデルを学習するための,CNN-Transformer修正協調学習フレームワークを提案する。 具体的には,学生ソフトラベルの誤り領域を適応的に選択・修正する基礎的真理を取り入れた修正ロジット・ワイド・コラボレーティブ・ラーニング(RLCL)戦略を提案する。 また,機能空間におけるCNNベースモデルとTransformerベースモデル間の効果的な知識伝達を実現するために,クラス認識型特徴量協調学習(CFCL)戦略を提案する。
  論文  参考訳（メタデータ） (2024-08-25T01:27:35Z)
• Adaptive Feature Fusion Neural Network for Glaucoma Segmentation on Unseen Fundus Images [13.03504366061946]
  本研究では,未確認領域における緑内障セグメンテーションのための適応的特徴融合ニューラルネットワーク (AFNN) を提案する。 ドメインアダプタは、事前訓練されたモデルが、他の画像ドメインから医療基礎画像ドメインへの迅速な適応を支援する。 提案手法は,4つの公共緑内障データセット上の既存のファンドスセグメンテーション法と比較して,競争力のある性能を実現する。
  論文  参考訳（メタデータ） (2024-04-02T16:30:12Z)
• Exploring Multiple Neighborhood Neural Cellular Automata (MNNCA) for Enhanced Texture Learning [0.0]
  細胞性オートマタ(CA)は、力学系をシミュレートする基礎となっている。 最近のイノベーションは、ディープラーニングの領域にニューラルセルオートマタ(NCA)をもたらした。 NCA は NCA を勾配降下によって訓練し、特定の形状に進化させ、テクスチャを生成し、スワーミングのような振る舞いを模倣することができる。 本研究は,複数の地区を組み込んだNCAフレームワークの強化と,シード状態に対する構造ノイズの導入について検討する。
  論文  参考訳（メタデータ） (2023-10-27T15:16:19Z)
• Continual Competitive Memory: A Neural System for Online Task-Free Lifelong Learning [91.3755431537592]
  我々は,教師なし学習,連続競合記憶(CCM)の新たな形態を提案する。 結果として得られる神経系は、オンライン連続分類問題において破滅的な忘れと戦う効果的なアプローチを提供する。 提案したCCMシステムは,他の競合学習ニューラルモデルよりも優れるだけでなく,最新かつ最先端の学習アプローチと競合する性能が得られることを実証する。
  論文  参考訳（メタデータ） (2021-06-24T20:12:17Z)
• Conditional Deep Convolutional Neural Networks for Improving the Automated Screening of Histopathological Images [0.76146285961466]
  実行時に出力を条件付け可能な条件付き完全畳み込みネットワーク(co-FCN)を提案する。 私たちは、CAMELYON17データセットに存在する5つの医療センターのうち3つから、WSI(Whole Slide Images)でそれをトレーニングしました。 条件なしのデータセットでトレーニングしたU-Netに対して,提案手法をベンチマークした。
  論文  参考訳（メタデータ） (2021-05-29T16:42:12Z)
• Comparisons among different stochastic selection of activation layers for convolutional neural networks for healthcare [77.99636165307996]
  ニューラルネットワークのアンサンブルを用いて生体医用画像の分類を行う。 ReLU, leaky ReLU, Parametric ReLU, ELU, Adaptive Piecewice Linear Unit, S-Shaped ReLU, Swish, Mish, Mexican Linear Unit, Parametric Deformable Linear Unit, Soft Root Sign。
  論文  参考訳（メタデータ） (2020-11-24T01:53:39Z)
• On-Chip Error-triggered Learning of Multi-layer Memristive Spiking Neural Networks [1.7958576850695402]
  オンライン3次重み更新を用いた局所的,勾配に基づく,エラートリガー付き学習アルゴリズムを提案する。 提案アルゴリズムは,多層SNNを記憶型ニューロモルフィックハードウェアでオンライントレーニングすることを可能にする。
  論文  参考訳（メタデータ） (2020-11-21T19:44:19Z)
• Modeling from Features: a Mean-field Framework for Over-parameterized Deep Neural Networks [54.27962244835622]
  本稿では、オーバーパラメータ化ディープニューラルネットワーク(DNN)のための新しい平均場フレームワークを提案する。 このフレームワークでは、DNNは連続的な極限におけるその特徴に対する確率測度と関数によって表現される。 本稿では、標準DNNとResidual Network(Res-Net)アーキテクチャを通してフレームワークを説明する。
  論文  参考訳（メタデータ） (2020-07-03T01:37:16Z)
• Neural Cellular Automata Manifold [84.08170531451006]
  ニューラルセルラーオートマタのニューラルネットワークアーキテクチャは、より大きなNNにカプセル化可能であることを示す。 これにより、NAAの多様体を符号化する新しいモデルを提案し、それぞれが異なる画像を生成することができる。 生物学的には、我々のアプローチは転写因子の役割を担い、細胞の分化を促進する特定のタンパク質への遺伝子マッピングを調節する。
  論文  参考訳（メタデータ） (2020-06-22T11:41:57Z)
• Neuroevolutionary Transfer Learning of Deep Recurrent Neural Networks through Network-Aware Adaptation [57.46377517266827]
  本研究はN-ASTL(Network-Aware Adaptive Structure Transfer Learning)を導入する。 N-ASTLは、ソースネットワークのトポロジと重み分布に関する統計情報を利用して、新しい入力ニューロンと出力ニューロンが既存の構造にどのように統合されるかを伝える。 結果は、これまで不可能だった現実世界のデータセットを転送する機能など、従来の最先端よりも改善されていることを示している。
  論文  参考訳（メタデータ） (2020-06-04T06:07:30Z)

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。