論文の概要: Ensemble of Weak Spectral Total Variation Learners: a PET-CT Case Study

• arxiv url: http://arxiv.org/abs/2507.08735v1
• Date: Fri, 11 Jul 2025 16:38:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-14 18:03:54.431232
• Title: Ensemble of Weak Spectral Total Variation Learners: a PET-CT Case Study
• Title（参考訳）: 弱スペクトル全変量学習者のアンサンブル : PET-CT による検討
• Authors: Anna Rosenberg, John Kennedy, Zohar Keidar, Yehoshua Y. Zeevi, Guy Gilboa,
• Abstract要約: 本稿では,スペクトル全変量(STV)特徴に基づく弱い学習者のアンサンブルの使用を提案する。 本パラダイムの有効性を示すために,実世界の医療画像問題について検討する。
• 参考スコア（独自算出の注目度）: 4.025358960630117
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Solving computer vision problems through machine learning, one often encounters lack of sufficient training data. To mitigate this we propose the use of ensembles of weak learners based on spectral total-variation (STV) features (Gilboa 2014). The features are related to nonlinear eigenfunctions of the total-variation subgradient and can characterize well textures at various scales. It was shown (Burger et-al 2016) that, in the one-dimensional case, orthogonal features are generated, whereas in two-dimensions the features are empirically lowly correlated. Ensemble learning theory advocates the use of lowly correlated weak learners. We thus propose here to design ensembles using learners based on STV features. To show the effectiveness of this paradigm we examine a hard real-world medical imaging problem: the predictive value of computed tomography (CT) data for high uptake in positron emission tomography (PET) for patients suspected of skeletal metastases. The database consists of 457 scans with 1524 unique pairs of registered CT and PET slices. Our approach is compared to deep-learning methods and to Radiomics features, showing STV learners perform best (AUC=0.87), compared to neural nets (AUC=0.75) and Radiomics (AUC=0.79). We observe that fine STV scales in CT images are especially indicative for the presence of high uptake in PET.
• Abstract（参考訳）: 機械学習によってコンピュータビジョンの問題を解決するには、十分なトレーニングデータが不足することが多い。 そこで本研究では,スペクトル全変量(STV)特徴に基づく弱い学習者のアンサンブルの使用を提案する(Gilboa 2014)。 これらの特徴は、全変分階の非線形固有関数と関連しており、様々なスケールで良好なテクスチャを特徴づけることができる。 1次元の場合、直交の特徴が生成されるのに対し、2次元の場合、特徴は経験的に低相関である。 アンサンブル学習理論は、低相関の弱い学習者の使用を提唱している。 そこで本研究では,STV機能に基づく学習者によるアンサンブルの設計を提案する。 本パラダイムの有効性を示すため, 脊椎転移を疑う患者に対して, ポジトロン断層撮影(PET)におけるCT(Computed tomography)データの高吸収率予測値について検討した。 データベースは457のスキャンと1524のユニークなCTとPETスライスで構成されている。 提案手法は,ニューラルネットワーク (AUC=0.75) やラジオミクス (AUC=0.79) と比較して,STV学習者が最高の成績を発揮することを示す。 我々は,CT画像の細かなSTVスケールが特にPETの高吸収の存在を示唆していることを観察した。

関連論文リスト

• Multi-Attention Stacked Ensemble for Lung Cancer Detection in CT Scans [3.8121150313479655]
  3つの事前訓練されたバックボーンは96 x 96ピクセルの入力に合わせたカスタム分類ヘッドで適合する。 2段階の注意機構は、ロジットからモデルワイドとクラスワイドの両方の重要点を学習する。 LIDC-IDRIデータセットの実験では、98.09の精度と0.9961 AUCを達成した。
  論文  参考訳（メタデータ） (2025-07-27T11:03:07Z)
• Cross-Modal Interactive Perception Network with Mamba for Lung Tumor Segmentation in PET-CT Images [29.523577037519985]
  深層学習モデルでは、画像品質の低下、運動アーティファクト、複雑な腫瘍形態などの問題に対処することが期待されている。 我々は,605例のPET-CT画像21,930対からなる,PCLT20Kと呼ばれる大規模PET-CT肺腫瘍セグメンテーションデータセットを紹介した。 PET-CT画像における肺腫瘍のセグメンテーションのためのMamba(CIPA)を用いたクロスモーダル対話型知覚ネットワークを提案する。
  論文  参考訳（メタデータ） (2025-03-21T16:04:11Z)
• Feature-oriented Deep Learning Framework for Pulmonary Cone-beam CT (CBCT) Enhancement with Multi-task Customized Perceptual Loss [9.59233136691378]
  コーンビームCT(CBCT)は画像誘導放射線治療中に定期的に収集される。 近年, 深層学習に基づくCBCT強調法は, 人工物抑制に有望な成果を上げている。 本稿では,高画質CBCT画像から高画質CTライク画像へ変換する特徴指向ディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-01T10:09:01Z)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
  視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
  論文  参考訳（メタデータ） (2023-03-03T12:05:41Z)
• CovidExpert: A Triplet Siamese Neural Network framework for the detection of COVID-19 [0.0]
  我々は、この危険な病気のポストエフェクトを減らすために、新型コロナウイルスの早期検出のための数発の学習モデルを開発した。 提案したアーキテクチャは、数ショットの学習と事前訓練された畳み込みニューラルネットワークのアンサンブルを組み合わせる。 提案されたモデルでは、全体的な精度は98.719%、特異性は99.36%、感度は98.72%、ROCスコアは99.9%であった。
  論文  参考訳（メタデータ） (2023-02-17T17:18:02Z)
• Data-Efficient Vision Transformers for Multi-Label Disease Classification on Chest Radiographs [55.78588835407174]
  視覚変換器(ViT)は一般的な画像の分類性能が高いにもかかわらず、このタスクには適用されていない。 ViTは、畳み込みではなくパッチベースの自己アテンションに依存しており、CNNとは対照的に、ローカル接続に関する事前の知識は存在しない。 以上の結果から,ViTとCNNのパフォーマンスはViTの利点に匹敵するものの,DeiTsはトレーニング用に適度に大規模なデータセットが利用可能であれば,前者よりも優れることがわかった。
  論文  参考訳（メタデータ） (2022-08-17T09:07:45Z)
• 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)
• CT-SGAN: Computed Tomography Synthesis GAN [4.765541373485143]
  胸部CTスキャンの小さなデータセットを用いて,大規模な3次元合成CTスキャンボリュームを生成するCT-SGANモデルを提案する。 その結果,CT-SGANは大量の合成データに基づいて結節を事前訓練することにより,肺検出精度を著しく向上させることができることがわかった。
  論文  参考訳（メタデータ） (2021-10-14T22:20:40Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)
• Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent Multi-View Representation Learning [48.05232274463484]
  最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。 多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。 本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
  論文  参考訳（メタデータ） (2020-05-06T15:19:15Z)

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。