ドメイン適応はゼロショット学習に合致する:マルチモダリティ医用画像セグメンテーションへのアノテーション効率的なアプローチ【JST・京大機械翻訳】

Bian Cheng; Yuan Chenglang; Ma Kai; Yu Shuang; Wei Dong; Zheng Yefeng

プレプリント

J-GLOBAL ID：202202205963327892 整理番号：22P0306982

ドメイン適応はゼロショット学習に合致する:マルチモダリティ医用画像セグメンテーションへのアノテーション効率的なアプローチ【JST・京大機械翻訳】

Domain Adaptation Meets Zero-Shot Learning: An Annotation-Efficient Approach to Multi-Modality Medical Image Segmentation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年03月19日プレプリントサーバーでの情報更新日： 2022年03月19日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

適切に注釈された医療データの欠如のため,深いモデルの一般化能力を調査することは,公衆の関心事になっている。ゼロショット学習(ZSL)は,近年,非意味クラスを認識する能力で,深いモデルを装備するために出現した。しかしながら,既存の研究は,ZSLのための補助情報を抽出するために言語モデルを利用する自然画像に主に焦点を合わせている。医学用語は非常にドメイン特異的であり,医学用語のための言語モデルを得ることは容易ではないので,医用画像に直接自然画像ZSLソリューションを適用することは実用的ではない。本研究では,クロスモーダル情報を利用した医用画像に対するZSLの新しいパラダイムを提案した。提案したパラダイムで3つの主な貢献を行った。最初に,事前モデルから関係プロトタイプと呼ばれるセグメンテーションターゲットに関する事前知識を抽出し,次に,プロトタイプをゼロショットモデルに継承するためにクロスモーダル適応モジュールを提案した。第2に,プロトタイプに含まれる情報に気づくゼロショットモデルを作るための関係プロトタイプ認識モジュールを提案する。最後に,遺伝プロセスを強化するために,関係プロトタイプを再較正する遺伝注意モジュールを開発した。提案したフレームワークを,心臓データセットと腹部データセットを含む2つの公共交差様式データセットで評価した。大規模な実験は,提案フレームワークが最先端技術の状態より著しく優れていることを示した。【JST・京大機械翻訳】

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

人工知能 , 医用画像処理

, , , , ,

前のページに戻る