論文の概要: Artificially Generated Visual Scanpath Improves Multi-label Thoracic Disease Classification in Chest X-Ray Images

• arxiv url: http://arxiv.org/abs/2503.00657v1
• Date: Sat, 01 Mar 2025 23:13:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:15:30.562006
• Title: Artificially Generated Visual Scanpath Improves Multi-label Thoracic Disease Classification in Chest X-Ray Images
• Title（参考訳）: 胸部X線画像のマルチラベル胸部病変分類を改良した人工的画像スキャンパス
• Authors: Ashish Verma, Aupendu Kar, Krishnendu Ghosh, Sobhan Kanti Dhara, Debashis Sen, Prabir Kumar Biswas,
• Abstract要約: 専門の放射線技師は、胸部X線(CXR)画像を視覚的にスキャンし、解剖学的構造に順次固定し、疾患の診断を行う。 この目的のために、CXR画像上の放射線技師の視線スキャンパスを使用できる。 本稿では,CXR画像の視覚的スキャンパス予測モデルを用いて,効率的な視覚的スキャンパスを生成することを提案する。
• 参考スコア（独自算出の注目度）: 17.040556955838138
• License:
• Abstract: Expert radiologists visually scan Chest X-Ray (CXR) images, sequentially fixating on anatomical structures to perform disease diagnosis. An automatic multi-label classifier of diseases in CXR images can benefit by incorporating aspects of the radiologists' approach. Recorded visual scanpaths of radiologists on CXR images can be used for the said purpose. But, such scanpaths are not available for most CXR images, which creates a gap even for modern deep learning based classifiers. This paper proposes to mitigate this gap by generating effective artificial visual scanpaths using a visual scanpath prediction model for CXR images. Further, a multi-class multi-label classifier framework is proposed that uses a generated scanpath and visual image features to classify diseases in CXR images. While the scanpath predictor is based on a recurrent neural network, the multi-label classifier involves a novel iterative sequential model with an attention module. We show that our scanpath predictor generates human-like visual scanpaths. We also demonstrate that the use of artificial visual scanpaths improves multi-class multi-label disease classification results on CXR images. The above observations are made from experiments involving around 0.2 million CXR images from 2 widely-used datasets considering the multi-label classification of 14 pathological findings. Code link: https://github.com/ashishverma03/SDC
• Abstract（参考訳）: 専門の放射線技師は、胸部X線(CXR)画像を視覚的にスキャンし、解剖学的構造に順次固定し、疾患の診断を行う。 CXR画像における疾患の自動多ラベル分類器は、放射線技師のアプローチの側面を取り入れることで恩恵を受けることができる。 この目的のために、CXR画像上の放射線技師の視線スキャンパスを使用できる。 しかし、ほとんどのCXR画像ではそのようなスキャンパスは利用できないため、現代のディープラーニングベースの分類器でもギャップが生じる。 本稿では,CXR画像の視覚的スキャンパス予測モデルを用いて,効率的な人工的なスキャンパスを生成することにより,このギャップを軽減することを提案する。 さらに,CXR画像中の疾患の分類に生成されたスキャンパスと画像特徴を用いたマルチクラスマルチラベル分類器フレームワークを提案する。 スキャンパス予測器は、繰り返しニューラルネットワークに基づいており、マルチラベル分類器は、注目モジュールを備えた新しい反復逐次モデルを含む。 スキャンパス予測器は人間のようなビジュアル・スキャンパスを生成する。 また,CXR画像上でのマルチクラスマルチラベル病の分類結果を改善するために,人工的なビジュアル・スキャンパスを用いることを実証した。 以上の観察は、14の病理所見の多ラベル分類を考慮して、2つの広く使用されているデータセットから約0.2万個のCXR画像を含む実験からなされている。 コードリンク:https://github.com/ashishverma03/SDC

関連論文リスト

• Visual Prompt Engineering for Vision Language Models in Radiology [0.17183214167143138]
  Contrastive Language-Image Pretraining (CLIPP) は、大規模な事前訓練を通じてゼロショット分類を可能にするソリューションを提供する。 ビジュアルマーカーはAUROC2013$を0.185まで改善し、分類性能を向上させる効果を強調した。 我々はコードと前処理パイプラインを公開し、医用画像の局所分類に関する今後の研究の基準点を提供する。
  論文  参考訳（メタデータ） (2024-08-28T13:53:27Z)
• LeDNet: Localization-enabled Deep Neural Network for Multi-Label Radiography Image Classification [0.1227734309612871]
  マルチラベルラジオグラフィー画像分類は、長い間ニューラルネットワーク研究における関心のトピックであった。 胸部X線画像を用いて胸部疾患を診断する。 胸部疾患を高精度に予測するために,LDNetと呼ばれる局所化アルゴリズムと深層学習アルゴリズムの組み合わせを提案する。
  論文  参考訳（メタデータ） (2024-07-04T13:46:30Z)
• Chest X-ray Image Classification: A Causal Perspective [49.87607548975686]
  本稿では,CXR分類問題に対処する因果的アプローチを提案し,構造因果モデル(SCM)を構築し,CXR分類に有効な視覚情報を選択するためにバックドア調整を用いる。 実験の結果,提案手法はオープンソースNIH ChestX-ray14の分類性能に優れていた。
  論文  参考訳（メタデータ） (2023-05-20T03:17:44Z)
• Cross-modulated Few-shot Image Generation for Colorectal Tissue Classification [58.147396879490124]
  XM-GANと名づけられた少数ショット生成法は,1塩基と1対の参照組織像を入力とし,高品質で多様な画像を生成する。 我々の知る限りでは、大腸組織像の少数ショット生成を最初に調査した人物である。
  論文  参考訳（メタデータ） (2023-04-04T17:50:30Z)
• Can we Adopt Self-supervised Pretraining for Chest X-Rays? [10.529356372817386]
  畳み込みニューラルネットワーク(CNN)は、胸部X線(CXR)画像における病理の同定に成功している。 本研究では,ラベルのないImageNetやCXRデータセットを,さまざまなアルゴリズムと複数の設定で事前学習する機能について分析する。 i)ラベル付き画像ネットによる教師付きトレーニングは、打倒しにくい強い表現を学習し、(ii)ImageNet(1M画像)での自己教師付き事前トレーニングは、CXRデータセット(100K画像)での自己教師付き事前トレーニングに似たパフォーマンスを示す。
  論文  参考訳（メタデータ） (2022-11-23T13:06:59Z)
• Optimising Chest X-Rays for Image Analysis by Identifying and Removing Confounding Factors [49.005337470305584]
  新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。 公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。 我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-22T13:57:04Z)
• Radiomics-Guided Global-Local Transformer for Weakly Supervised Pathology Localization in Chest X-Rays [65.88435151891369]
  Radiomics-Guided Transformer (RGT)は、テキストトグロバル画像情報と、テキストトグロバル情報とを融合する。 RGTは、画像トランスフォーマーブランチ、放射能トランスフォーマーブランチ、および画像と放射線情報を集約する融合層から構成される。
  論文  参考訳（メタデータ） (2022-07-10T06:32:56Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Multi-Label Generalized Zero Shot Learning for the Classification of Disease in Chest Radiographs [0.7734726150561088]
  胸部X線画像の複数の病変を同時に予測できるゼロショット学習ネットワークを提案する。 ネットワークはエンドツーエンドのトレーニングが可能で、オフライン機能抽出器の独立した事前トレーニングは不要である。 我々のネットワークは、リコール、精度、f1スコア、受信機動作特性曲線の領域において、2つの強いベースラインを上回ります。
  論文  参考訳（メタデータ） (2021-07-14T09:04:20Z)
• Image Embedding and Model Ensembling for Automated Chest X-Ray Interpretation [0.0]
  我々は、自動胸部X線診断モデルを開発するための機械学習アプローチをいくつか提示および研究する。 特に,chexpertデータセット上で複数の畳み込みニューラルネットワーク(cnn)をトレーニングした。 学習したCNNを用いてCXR画像の埋め込みを計算し、2組のツリーベース分類器を訓練した。
  論文  参考訳（メタデータ） (2021-05-05T14:48:59Z)
• Cross-Modal Contrastive Learning for Abnormality Classification and Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
  医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。 まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。 放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
  論文  参考訳（メタデータ） (2021-04-11T09:16:29Z)

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。