サイクルミックス:スクリブル監視からの医用画像セグメンテーションのための全体的戦略【JST・京大機械翻訳】

Zhang Ke; Zhuang Xiahai

プレプリント

J-GLOBAL ID：202202206849725574 整理番号：22P0298125

サイクルミックス:スクリブル監視からの医用画像セグメンテーションのための全体的戦略【JST・京大機械翻訳】

CycleMix: A Holistic Strategy for Medical Image Segmentation from Scribble Supervision

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 (2件)： ,
資料名：
発行年： 2022年03月02日プレプリントサーバーでの情報更新日： 2022年03月11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)

十分に注釈された訓練データの大規模集合を,特に医用画像セグメンテーションのタスクのために,コストがかかる。より弱い形のアノテーションであるスクリブルは実際により得られるが,スクリブルの限られた監視からの訓練セグメンテーションモデルはなお困難である。困難に取り組むために,著者らは,混合増強とサイクル一貫性から成るスクリブル学習ベース医用画像セグメンテーションのための新しいフレームワークを提案し,従ってCycleMixと呼ぶ。監視の強化のために,サイクルMixは,ランダムオクルージョンの専用設計で混合戦略を採用し,スクリブルの増分と減少を実行する。監視の正則化のために,CycleMixは,一貫性損失を有する訓練目的を強化し,一貫性のあるセグメンテーションを罰し,セグメンテーション性能の著しい改善をもたらす。2つのオープンデータセット,即ち,ACDCとMSCMRsegの結果は,提案方法が,完全に監督された方法と同等か,より良い精度を実証して,実行性能を達成することを示した。MSCMRsegのコードと専門家作成のスクリーブルアノテーションは,https://github.com/BWGZK/CycleMixで公開されている。【JST・京大機械翻訳】

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

医用画像処理 , パターン認識 , 図形・画像処理一般

, , ,

前のページに戻る