論文の概要: Learning from Unlabeled Photographs for General Oral Image Analysis

• arxiv url: http://arxiv.org/abs/2611.04709v1
• Date: Tue, 03 Nov 2026 11:28:54 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:57:04.072531
• Title: Learning from Unlabeled Photographs for General Oral Image Analysis
• Title（参考訳）: 一般口頭画像解析のためのラベルなし写真からの学習
• Abstract要約: ラベルなしの口腔写真に対する自己監督的訓練は、異種視覚タスクのための伝達可能な視覚表現を作り出すことができる。 パブリックアクセス可能なソースから収集された約53万枚のラベルのない口頭写真のドメイン適応型自己監督事前訓練。 DOVEは、ほとんどのベンチマークにおいて、最強の全体的なパフォーマンスを達成し、数発の転送とラベルの効率で最高にランク付けした。
• 参考スコア（独自算出の注目度）: 32.73913133206185
• License:
• Abstract: Oral photographs contain rich clinical information and hold significant potential for artificial intelligence applications; however, most models are trained for individual tasks and rely on costly expert annotations. We hypothesized that self-supervised training on unlabeled oral photographs could produce transferable visual representations for heterogeneous vision tasks. To test this hypothesis, we developed DOVE (Dental Optical Visual Encoder) by domain-adaptive self-supervised pretraining on approximately 530,000 unlabeled oral photographs collected from publicly accessible sources. DOVE was benchmarked against 3 established baselines across 5 classification datasets and 4 segmentation datasets, covering both frozen backbone evaluation and end-to-end finetuning. DOVE achieved the strongest overall performance, ranking best in few-shot transfer and label efficiency on most benchmarks. Under the 20-shot frozen-backbone protocol, DOVE outperformed the second best DINOv3 by 4.37 percentage points in mean macro-F1 across classification datasets and by 4.49 percentage points in mean macro-Dice across segmentation tasks. Under end-to-end finetuning, DOVE achieved at least 80% of the strongest full-data baseline's performance across most evaluation datasets using only 10% of the labeled training data. Qualitative retrieval and feature analyses further indicated better organization of image-level and spatial representations. These findings support DOVE as a generalizable and label-efficient backbone for oral vision research.
• Abstract（参考訳）: 口腔写真には豊富な臨床情報が含まれており、人工知能の応用に大きな可能性を秘めているが、ほとんどのモデルは個々のタスクのために訓練されており、高価な専門家のアノテーションに依存している。 非ラベル写真による自己指導的訓練は、異種視覚タスクのための伝達可能な視覚表現を生み出す可能性があると仮定した。 この仮説を検証するために、約53万枚の未ラベルの口腔写真を公開ソースから収集し、ドメイン適応型自己教師付きプレトレーニングによりDOVE(Dental Optical Visual Encoder)を開発した。 DOVEは5つの分類データセットと4つのセグメンテーションデータセットにまたがる3つの確立されたベースラインに対してベンチマークされた。 DOVEは、ほとんどのベンチマークにおいて、最強の全体的なパフォーマンスを達成し、数発の転送とラベルの効率で最高にランク付けした。 20ショットの冷凍バックボーンプロトコルの下では、DOVEは分類データセットの平均マクロF1の4.37ポイント、セグメンテーションタスクの平均マクロDiceの4.49ポイントで2番目に優れたDINOv3を上回った。 エンドツーエンドの微調整の下で、DOVEはラベル付きトレーニングデータの10%しか使用せず、ほとんどの評価データセットで最強のフルデータベースラインのパフォーマンスの少なくとも80%を達成した。 質的検索と特徴分析により、画像レベルと空間表現のより優れた構成が示された。 これらの知見は, DOVEを汎用的でラベル効率のよい口腔内視覚研究のバックボーンとしてサポートしている。

関連論文リスト

• Benchmarking Self-Supervised 3D Medical Vision Foundation Models and Transferability Estimation [57.65266782182578]
  セルフ教師付き事前トレーニングは、3D医療基盤モデルのプールを拡張したが、異なるデータセット、エンドポイント、微調整プロトコルを使用した評価を公表した。 14のセグメンテーション、分類、回帰タスク、複数の解剖学とモダリティにまたがる23の候補をベンチマークした。 3モデルショートリストは、7つのセグメンテーションタスクで記録された抜粋+訓練ジョブ時間を85.8%削減した。
  論文  参考訳（メタデータ） (2026-10-13T01:52:19Z)
• Rethinking Pulmonary Embolism Segmentation: A Study of Current Approaches and Challenges with an Open Weight Model [21.024556007374684]
  3Dモデルは、塞栓の形態的特徴から、この課題に特に適している。 CNNベースのモデルは一般的に、PEセグメンテーションにおけるVTベースのモデルよりも優れたパフォーマンスが得られる。 一方、タスクの複雑さと高品質なデータセットの不足のため、遠位塞栓は難しいままである。
  論文  参考訳（メタデータ） (2025-09-22T18:34:30Z)
• SPARSE Data, Rich Results: Few-Shot Semi-Supervised Learning via Class-Conditioned Image Translation [1.1849561189229352]
  深層学習は医療画像に革命をもたらしたが、その効果は不十分なラベル付きデータによって著しく制限されている。 本稿では,低ラベルデータ体制に特化して設計された,新しいGANベースの半教師付き学習フレームワークを提案する。 このアプローチでは,クラス条件付き画像翻訳用のジェネレータ,認証評価と分類のための識別器,専用分類器という,3つの特殊なニューラルネットワークを統合した。
  論文  参考訳（メタデータ） (2025-08-08T16:16:43Z)
• A Self-Supervised Framework for Improved Generalisability in Ultrasound B-mode Image Segmentation [0.2556201059248933]
  我々は、BモードUS画像に適した対照的なSSLアプローチを導入し、RCL(Relation Contrastive Loss)を取り入れた。 提案手法は, 3つの乳房データセットにおいて, 従来の教師付きセグメンテーション法より有意に優れていた。 我々の研究は、特にデータ制限条件下で、ドメインにインスパイアされたSSLが米国のセグメンテーションを改善することを強調している。
  論文  参考訳（メタデータ） (2025-02-04T17:06:41Z)
• Affinity-Graph-Guided Contractive Learning for Pretext-Free Medical Image Segmentation with Minimal Annotation [55.325956390997]
  本稿では,医用画像セグメンテーションのための親和性グラフ誘導半教師付きコントラスト学習フレームワーク(Semi-AGCL)を提案する。 このフレームワークは、まず、ロバストな初期特徴空間を提供する平均パッチエントロピー駆動のパッチ間サンプリング法を設計する。 完全アノテーションセットの10%に過ぎず, 完全注釈付きベースラインの精度にアプローチし, 限界偏差は2.52%に過ぎなかった。
  論文  参考訳（メタデータ） (2024-10-14T10:44:47Z)
• DeepATLAS: One-Shot Localization for Biomedical Data [0.0]
  本稿では,高次元バイオメディカルデータの領域における局所化タスクに対するDeepATLASの基礎モデルを提案する。 代表的ベンチマークとして、51,000以上のラベルなし3DCT試験の包括コホート上で事前訓練されたDeepATLASモデルでは、高い1ショットセグメンテーション性能が得られる。
  論文  参考訳（メタデータ） (2024-02-14T21:31:41Z)
• Learning Customized Visual Models with Retrieval-Augmented Knowledge [104.05456849611895]
  我々は、ターゲットドメイン用にカスタマイズされたビジュアルモデルを構築するための、関連するWeb知識を取得するためのフレームワークであるREACTを提案する。 我々は、Webスケールデータベースから最も関連性の高い画像テキストペアを外部知識として検索し、元の重みをすべて凍結しながら、新しいモジュール化されたブロックをトレーニングするだけで、モデルをカスタマイズすることを提案する。 REACTの有効性は、ゼロ、少数、フルショット設定を含む分類、検索、検出、セグメンテーションタスクに関する広範な実験を通じて実証される。
  論文  参考訳（メタデータ） (2023-01-17T18:59:06Z)
• Improving Visual Grounding by Encouraging Consistent Gradient-based Explanations [58.442103936918805]
  注意マスク整合性は,従来の方法よりも優れた視覚的グラウンドリング結果が得られることを示す。 AMCは効率的で実装が容易であり、どんな視覚言語モデルでも採用できるため一般的である。
  論文  参考訳（メタデータ） (2022-06-30T17:55:12Z)
• Highly Accurate Dichotomous Image Segmentation [139.79513044546]
  Dichotomous Image segmentation (DIS)と呼ばれる新しいタスクは、自然画像から高度に正確な物体を抽出することを目的としている。 私たちは、5,470の高解像度画像(例えば、2K、4K以上の画像)を含む最初の大規模データセットdis5Kを収集します。 また、Disdisモデルトレーニングのための特徴レベルとマスクレベルの両方のガイダンスを用いて、単純な中間監視ベースライン(IS-Net)を導入する。
  論文  参考訳（メタデータ） (2022-03-06T20:09:19Z)

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。