ディープニューラルネットワークを用いたクラス-Agnostic対話型セグメンテーションのための手がかりとしての極端点導出信頼マップ【JST・京大機械翻訳】

Khan Shadab; Shahin Ahmed H.; Shahin Ahmed H.; Villafruela Javier; Shen Jianbing; Shao Ling

文献

J-GLOBAL ID：201902288838999580 整理番号：19A2668203

ディープニューラルネットワークを用いたクラス-Agnostic対話型セグメンテーションのための手がかりとしての極端点導出信頼マップ【JST・京大機械翻訳】

Extreme Points Derived Confidence Map as a Cue for Class-Agnostic Interactive Segmentation Using Deep Neural Network

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=19A2668203&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=19A2668203&from=J-GLOBAL&jstjournalNo=H0078D") }}

著者 (6件)： , , , , ,
資料名：
巻： 11765 ページ： 66-73 発行年： 2019年
JST資料番号： H0078D ISSN： 0302-9743 資料種別：会議録 (C)
記事区分：原著論文発行国：ドイツ (DEU) 言語：英語 (EN)

関心のある解剖学を分割する過程を自動化するために,著者らは以前に注釈されたデータからモデルを学習することができた。学習に基づくアプローチは,新しいデータセット上のエキスパートラベリングをエミュレートするモデルを訓練するためのアノテーションを使用する。このようなアプローチを用いて大きな進歩がなされているが,医用画像のラベリングは時間がかかり,高価なタスクのままである。本論文では,学習における極値点の有用性を評価した。具体的には,極値点から導出されたプリアを定量的に符号化する極値点からの信頼マップを計算するための新しいアプローチを提案した。著者らは,キューとして極端なポイントを採用する最先端の方法を上回るクラス-アグノスティックなセグメンテーションモデルを開発するために,ResNet-101とPSPモジュールに基づく深いニューラルネットワークを訓練する手がかりとして,信頼マップを使用した。さらに,教師つき学習(U-net)に対する訓練データを生成するために,本モデルを用いて現実的な利用事例を評価し,生成データまたは地上トルースデータにより訓練されたとき,Uネットが同等に動作することを観察した。これらの知見は,キューを用いて訓練されたモデルが信頼できる訓練データを生成するために使用できることを示唆する。著者らのコードは公開されている(https://github.com/ahmedshahin9/AssistedAnnotator)。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能 , 分子・遺伝情報処理

, , , , , , ,

前のページに戻る