論文の概要: Promptable cancer segmentation using minimal expert-curated data
- arxiv url: http://arxiv.org/abs/2505.17915v1
- Date: Fri, 23 May 2025 13:56:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-26 18:08:34.12743
- Title: Promptable cancer segmentation using minimal expert-curated data
- Title（参考訳）: ミニマル・エキスパート・キュレートデータを用いた予後の高い癌セグメンテーション
- Authors: Lynn Karam, Yipei Wang, Veeru Kasivisvanathan, Mirabela Rusu, Yipeng Hu, Shaheer U. Saeed,
- Abstract要約: 医療画像上の癌の自動分離は、標的とする診断と治療の処置を支援することができる。
その採用は、データセットのトレーニングやサーバ間の可変性に必要な専門家アノテーションの高コストによって制限されている。
そこで本研究では,24個の完全分割画像しか必要とせず,弱ラベル画像8枚を補足した,高速セグメンテーションのための新しい手法を提案する。
- 参考スコア（独自算出の注目度）: 5.097733221827974
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated segmentation of cancer on medical images can aid targeted diagnostic and therapeutic procedures. However, its adoption is limited by the high cost of expert annotations required for training and inter-observer variability in datasets. While weakly-supervised methods mitigate some challenges, using binary histology labels for training as opposed to requiring full segmentation, they require large paired datasets of histology and images, which are difficult to curate. Similarly, promptable segmentation aims to allow segmentation with no re-training for new tasks at inference, however, existing models perform poorly on pathological regions, again necessitating large datasets for training. In this work we propose a novel approach for promptable segmentation requiring only 24 fully-segmented images, supplemented by 8 weakly-labelled images, for training. Curating this minimal data to a high standard is relatively feasible and thus issues with the cost and variability of obtaining labels can be mitigated. By leveraging two classifiers, one weakly-supervised and one fully-supervised, our method refines segmentation through a guided search process initiated by a single-point prompt. Our approach outperforms existing promptable segmentation methods, and performs comparably with fully-supervised methods, for the task of prostate cancer segmentation, while using substantially less annotated data (up to 100X less). This enables promptable segmentation with very minimal labelled data, such that the labels can be curated to a very high standard.
- Abstract（参考訳）: 医療画像上の癌の自動分離は、標的とする診断と治療の処置を支援することができる。
しかしながら、データセットのトレーニングやサーバ間の可変性に必要な専門家アノテーションの高コストによって、採用は制限されている。
弱い教師付き手法はいくつかの課題を緩和するが、完全なセグメンテーションを必要とするのではなく、バイナリヒストロジーラベルを使用してトレーニングを行うには、修正が難しい大規模なヒストロジーとイメージのデータセットが必要である。
同様に、プロンプト可能なセグメンテーションは、推論時に新しいタスクを再トレーニングすることなくセグメンテーションを可能にすることを目的としている。
そこで本研究では,24個の完全分割画像のみを補足し,弱ラベル画像8枚を補足して訓練を行う,高速セグメンテーションのための新しい手法を提案する。
この最小限のデータを高い標準に算出することは比較的実現可能であり、ラベル取得のコストと可変性の問題を軽減することができる。
本手法は,2つの分類器を弱教師付きと完全教師付きで利用することにより,一点プロンプトによって開始されるガイド付き探索プロセスを通じてセグメンテーションを洗練する。
提案手法は既存のプロンプト可能なセグメンテーション法より優れており,前立腺癌セグメンテーションの課題に対して完全に指導された手法と互換性がある。
これにより、ラベル付きデータを最小限にすることで、ラベルを非常に高い標準にキュレートすることができる。
関連論文リスト
- SP${ }^3$ : Superpixel-propagated pseudo-label learning for weakly semi-supervised medical image segmentation [10.127428696255848]
弱半教師付きセグメンテーションにおいて,超Pixel-Propagated Pseudo-label Learning法を提案する。
本手法は,WSSS設定下での腫瘍と臓器のセグメンテーションデータセットの最先端性能を実現する。
論文 参考訳（メタデータ） (2024-11-18T15:14:36Z) - Guidelines for Cerebrovascular Segmentation: Managing Imperfect Annotations in the context of Semi-Supervised Learning [3.231698506153459]
教師付き学習法は、十分な量のラベル付きデータを入力した場合に優れた性能を達成する。
このようなラベルは一般的に、非常に時間がかかり、エラーが発生し、製造コストがかかる。
半教師付き学習アプローチはラベル付きデータとラベルなしデータの両方を活用する。
論文 参考訳（メタデータ） (2024-04-02T09:31:06Z) - Explainable Semantic Medical Image Segmentation with Style [7.074258860680265]
ラベル付きデータのみを限定して一般化可能なセグメンテーションを実現するための,完全教師付き生成フレームワークを提案する。
提案手法は,エンド・ツー・エンドの対角訓練を取り入れたセグメンテーション・タスク駆動型識別器と組み合わせた医用画像スタイルを作成する。
完全セマンティックで公開可能なペルビウスデータセットの実験では、我々の手法は他の最先端の手法よりも、シフトに対してより一般化可能であることが示された。
論文 参考訳（メタデータ） (2023-03-10T04:34:51Z) - An Embarrassingly Simple Approach to Semi-Supervised Few-Shot Learning [58.59343434538218]
間接学習の観点から、ラベルなしデータの正負の擬似ラベルを正確に予測するための、単純だが非常に効果的な手法を提案する。
私たちのアプローチは、オフザシェルフ操作のみを使用することで、ほんの数行のコードで実装できます。
論文 参考訳（メタデータ） (2022-09-28T02:11:34Z) - 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) - Learning from Partially Overlapping Labels: Image Segmentation under
Annotation Shift [68.6874404805223]
腹部臓器分節の文脈におけるラベルの重複から学ぶためのいくつかの方法を提案する。
半教師付きアプローチと適応的クロスエントロピー損失を組み合わせることで、不均一な注釈付きデータをうまく活用できることが判明した。
論文 参考訳（メタデータ） (2021-07-13T09:22:24Z) - Every Annotation Counts: Multi-label Deep Supervision for Medical Image
Segmentation [85.0078917060652]
この障壁を克服する半弱教師付きセグメンテーションアルゴリズムを提案する。
このアプローチは,深層指導と生徒・教師モデルの新しい定式化に基づいている。
我々の新しいセグメンテーションのトレーニング体制は、完全にラベル付けされ、バウンディングボックスでマークされた画像、単にグローバルラベル、あるいは全くないイメージを柔軟に活用することで、高価なラベルの要件を94.22%削減することができる。
論文 参考訳（メタデータ） (2021-04-27T14:51:19Z) - A Closer Look at Self-training for Zero-Label Semantic Segmentation [53.4488444382874]
トレーニング中に見られないクラスをセグメント化できることは、ディープラーニングにおいて重要な技術的課題です。
事前のゼロラベルセマンティクスセグメンテーションは、ビジュアル・セマンティクスの埋め込みや生成モデルを学ぶことによってこのタスクにアプローチする。
本研究では,同一画像の異なる増分から生じる擬似ラベルの交点を取り出し,ノイズの多い擬似ラベルをフィルタリングする整合性正規化器を提案する。
論文 参考訳（メタデータ） (2021-04-21T14:34:33Z) - Towards Robust Partially Supervised Multi-Structure Medical Image
Segmentation on Small-Scale Data [123.03252888189546]
データ不足下における部分教師付き学習(PSL)における方法論的ギャップを埋めるために,不確実性下でのビシナルラベル(VLUU)を提案する。
マルチタスク学習とヴィジナルリスク最小化によって動機づけられたVLUUは、ビジナルラベルを生成することによって、部分的に教師付き問題を完全な教師付き問題に変換する。
本研究は,ラベル効率の高い深層学習における新たな研究の方向性を示唆するものである。
論文 参考訳（メタデータ） (2020-11-28T16:31:00Z) - Train, Learn, Expand, Repeat [0.15833270109954134]
教師付き機械学習モデルのトレーニングに成功するためには、高品質なラベル付きデータが不可欠である。
専門的にデータをラベル付けできる医療専門家は、希少で高価なリソースである。
本手法は頭蓋内出血(ICH)の頭蓋内CT検査に応用する。
論文 参考訳（メタデータ） (2020-03-18T20:55:38Z) - Semi-supervised few-shot learning for medical image segmentation [21.349705243254423]
大規模な注釈付きデータセットの必要性を緩和する最近の試みは、数ショットの学習パラダイムの下でトレーニング戦略を開発した。
セマンティックセグメンテーションのための新しい数発の学習フレームワークを提案し,各エピソードでラベルのない画像も利用できるようにした。
エピソードトレーニングにおけるラベルなしのサロゲートタスクを含めると、より強力な特徴表現がもたらされることを示す。
論文 参考訳（メタデータ） (2020-03-18T20:37:18Z)
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。