半教師つき医用画像セグメンテーションのためのクロスレベルコントラスト学習と一貫性制約【JST・京大機械翻訳】

Zhao Xinkai; Fang Chaowei; Fan De-Jun; Lin Xutao; Gao Feng; Li Guanbin

プレプリント

J-GLOBAL ID：202202207431220405 整理番号：22P0286686

半教師つき医用画像セグメンテーションのためのクロスレベルコントラスト学習と一貫性制約【JST・京大機械翻訳】

Cross-level Contrastive Learning and Consistency Constraint for Semi-supervised 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02月08日プレプリントサーバーでの情報更新日： 2022年02月13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)

ネットワーク訓練のための少数のラベル付き画像と多数のラベルなし画像を活用することを狙った半教師つき学習(SSL)は,医用画像セグメンテーションにおけるデータアノテーションの負荷を軽減するのに有益である。医用画像専門家の経験に従って,テクスチャ,光沢,および滑らかさのような局所属性は,医用画像における病変やポリープのようなターゲットオブジェクトを同定するための非常に重要な因子である。これに動機づけられて,半教師つき医用画像セグメンテーションにおける局所特徴のための表現能力を強化するための交差レベルコントラスト学習方式を提案した。既存の画像ワイズ,パッチワイズおよびポイントワイズコントラスト学習アルゴリズムと比較して,著者らの考案方法は,より複雑な類似性キュー,すなわち,グローバルおよび局所的パッチワイズ表現の間の関係特性を探索することができた。さらに,交差レベル意味関係を完全に利用するために,全画像に対するパッチの予測を比較する新しい一貫性制約を考案した。交差レベルコントラスト学習と一貫性制約の助けを借りて,ラベルなしデータを,それぞれ,ポリープと皮膚病変セグメンテーションのための2つの医用画像データセットに関するセグメンテーション性能を改善するために効果的に調査することができた。本アプローチのコードは利用可能である。【JST・京大機械翻訳】

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

医用画像処理 , 人工知能 , 図形・画像処理一般

, , ,

前のページに戻る