論文の概要: Continual Self-supervised Learning Considering Medical Domain Knowledge in Chest CT Images

• arxiv url: http://arxiv.org/abs/2501.04217v1
• Date: Wed, 08 Jan 2025 01:27:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-09 14:56:46.738583
• Title: Continual Self-supervised Learning Considering Medical Domain Knowledge in Chest CT Images
• Title（参考訳）: 胸部CT画像における医用領域知識を考慮した継続的自己指導型学習
• Authors: Ren Tasai, Guang Li, Ren Togo, Minghui Tang, Takaaki Yoshimura, Hiroyuki Sugimori, Kenji Hirata, Takahiro Ogawa, Kohsuke Kudo, Miki Haseyama,
• Abstract要約: 胸部CT画像における医療領域の知識を考慮した,新たな自己教師型学習法(CSSL)を提案する。 提案手法は,学習前の知識と新たな情報との関係を異なる段階で効果的に把握することで,逐次学習の課題に対処する。 2つの異なる画像条件下で得られた胸部CT画像を用いて本手法の有効性を検証した。
• 参考スコア（独自算出の注目度）: 36.88692059388115
• License:
• Abstract: We propose a novel continual self-supervised learning method (CSSL) considering medical domain knowledge in chest CT images. Our approach addresses the challenge of sequential learning by effectively capturing the relationship between previously learned knowledge and new information at different stages. By incorporating an enhanced DER into CSSL and maintaining both diversity and representativeness within the rehearsal buffer of DER, the risk of data interference during pretraining is reduced, enabling the model to learn more richer and robust feature representations. In addition, we incorporate a mixup strategy and feature distillation to further enhance the model's ability to learn meaningful representations. We validate our method using chest CT images obtained under two different imaging conditions, demonstrating superior performance compared to state-of-the-art methods.
• Abstract（参考訳）: 胸部CT画像における医療領域の知識を考慮した,新たな自己教師型学習法(CSSL)を提案する。 提案手法は,学習前の知識と新たな情報との関係を異なる段階で効果的に把握することで,逐次学習の課題に対処する。 CSSLに拡張DERを導入し、DERのリハーサルバッファ内で多様性と代表性を両立させることで、事前トレーニング中のデータ干渉のリスクを低減し、モデルがよりリッチで堅牢な特徴表現を学習できるようにする。 さらに,混合戦略と特徴蒸留を取り入れて,意味のある表現を学習するモデルの能力をさらに強化する。 2つの異なる画像条件下で得られた胸部CT画像を用いて本手法の有効性を検証した。

関連論文リスト

• MultiEYE: Dataset and Benchmark for OCT-Enhanced Retinal Disease Recognition from Fundus Images [4.885485496458059]
  眼疾患診断用マルチモーダル・マルチクラスデータセットであるMultiEYEについて述べる。 OCT画像から疾患関連知識を抽出するためのOCT支援概念蒸留アプローチ(OCT-CoDA)を提案する。 提案するOCT-CoDAは,臨床応用の可能性が高く,顕著な結果と解釈可能性を示した。
  論文  参考訳（メタデータ） (2024-12-12T16:08:43Z)
• CC-DCNet: Dynamic Convolutional Neural Network with Contrastive Constraints for Identifying Lung Cancer Subtypes on Multi-modality Images [13.655407979403945]
  肺がんサブタイプを多次元・多モード画像で正確に分類するための新しい深層学習ネットワークを提案する。 提案モデルの強みは, 対のCT-病理画像セットと独立のCT画像セットの両方を動的に処理できることにある。 また,ネットワーク学習を通じてモダリティ関係を定量的にマッピングするコントラスト制約モジュールも開発した。
  論文  参考訳（メタデータ） (2024-07-18T01:42:00Z)
• Tissue-Contrastive Semi-Masked Autoencoders for Segmentation Pretraining on Chest CT [10.40407976789742]
  胸部CT画像のモデリングのための組織コントラストセミマスクオートエンコーダ(TCS-MAE)と呼ばれるMIM法を提案する。 本手法は, 組織型マスキング再構成法により, より微細な解剖学的特徴を捉えるとともに, マスク画像とオリジナル画像との対比学習を施した二重AEアーキテクチャを設計した。
  論文  参考訳（メタデータ） (2024-07-12T03:24:17Z)
• MLIP: Enhancing Medical Visual Representation with Divergence Encoder and Knowledge-guided Contrastive Learning [48.97640824497327]
  本稿では、画像テキストのコントラスト学習を通じて、言語情報を視覚領域に統合するための案内信号として、ドメイン固有の医療知識を活用する新しいフレームワークを提案する。 我々のモデルには、設計した分散エンコーダによるグローバルコントラスト学習、局所トークン・知識・パッチアライメントコントラスト学習、知識誘導型カテゴリレベルのコントラスト学習、エキスパートナレッジによるコントラスト学習が含まれる。 特に、MLIPは、限られた注釈付きデータであっても最先端の手法を超越し、医療表現学習の進歩におけるマルチモーダル事前学習の可能性を強調している。
  論文  参考訳（メタデータ） (2024-02-03T05:48:50Z)
• Bridging Synthetic and Real Images: a Transferable and Multiple Consistency aided Fundus Image Enhancement Framework [61.74188977009786]
  画像強調とドメイン適応を同時に行うために,エンドツーエンドの教師支援フレームワークを提案する。 また,教師ネットワークと学生ネットワークのバックボーンとして,マルチステージ型マルチアテンション・ガイド・エンハンスメント・ネットワーク(MAGE-Net)を提案する。
  論文  参考訳（メタデータ） (2023-02-23T06:16:15Z)
• Incremental Cross-view Mutual Distillation for Self-supervised Medical CT Synthesis [88.39466012709205]
  本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。 臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。 提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
  論文  参考訳（メタデータ） (2021-12-20T03:38:37Z)
• Seeking an Optimal Approach for Computer-Aided Pulmonary Embolism Detection [7.969404878464232]
  肺塞栓症(英: lung embolism、PE)は、肺の血管へ移動し、血管閉塞を引き起こす血栓(血栓)である。 深層学習はPEのコンピュータ支援診断(CAD)に大いに貢献する。
  論文  参考訳（メタデータ） (2021-09-15T00:21:23Z)
• Preservational Learning Improves Self-supervised Medical Image Models by Reconstructing Diverse Contexts [58.53111240114021]
  本稿では,自己監督型医療表現学習のためのPCRLについて紹介する。 PCRLは、事前学習ファインタニングプロトコルの下で非常に競争力のある結果をもたらし、5つの分類/分類タスクにおいて、自己監督的および監督的双方を上回っている。
  論文  参考訳（メタデータ） (2021-09-09T16:05:55Z)
• A Multi-Stage Attentive Transfer Learning Framework for Improving COVID-19 Diagnosis [49.3704402041314]
  新型コロナの診断を改善するための多段階集中移動学習フレームワークを提案する。 提案するフレームワークは、複数のソースタスクと異なるドメインのデータから知識を学習し、正確な診断モデルを訓練する3つの段階からなる。 本稿では,肺CT画像のマルチスケール表現を学習するための自己教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2021-01-14T01:39:19Z)

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。