大域的および局所的表現誘導共トレーニングによる雑音ラベル付きデータからのロバストな医用画像分類【JST・京大機械翻訳】

Xue Cheng; Yu Lequan; Chen Pengfei; Dou Qi; Heng Pheng-Ann

プレプリント

J-GLOBAL ID：202202215745592725 整理番号：22P0346868

大域的および局所的表現誘導共トレーニングによる雑音ラベル付きデータからのロバストな医用画像分類【JST・京大機械翻訳】

Robust Medical Image Classification from Noisy Labeled Data with Global and Local Representation Guided Co-training

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 (5件)： , , , ,
資料名：
発行年： 2022年05月10日プレプリントサーバーでの情報更新日： 2022年05月10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)

深層ニューラルネットワークは多様な自然画像と医用画像計算タスクにおいて顕著な成功を達成した。しかし,これらの成果は,正確に注釈された訓練データに不必要に依存する。いくつかの雑音ラベル付き画像に遭遇すると,ネットワーク訓練手続きは困難に悩まされ,準最適分類器を導く。この問題は,医用画像のアノテーション品質が,注釈者の専門知識と経験に大きく依存するので,医用画像分析分野でさらに深刻である。本論文では,雑音ラベル付きデータからのロバスト医用画像分類のためのグローバルおよび局所表現学習による新しい協調訓練パラダイムを提案し,高品質注釈付き医療データの欠如と戦う。特に,雑音のあるラベルフィルタを持つ自己アンサンブルモデルを採用して,クリーンでノイズのあるサンプルを効率的に選択した。次に,クリーンサンプルを,不完全なラベル付きサンプルからの外乱を除去するために,協調訓練戦略によって訓練した。特に,著者らは,自己監督された方法で雑音のあるサンプルを利用するために,ネットワークを暗黙的に正規化するために,さらに新しいグローバルおよび局所表現学習方式を設計した。3種類のラベルノイズ,すなわち,ランダムノイズ,コンピュータ生成ラベルノイズ,および観察者間変動ノイズを有する4つの公共医療画像分類データセットに関する提案ロバスト学習戦略を評価した。著者らの方法は,雑音のあるラベル法からの他の学習を凌駕し,また,著者らの方法の各成分を分析するために,広範な実験を行った。【JST・京大機械翻訳】

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

医用画像処理 , 人工知能

, , , , , , ,

前のページに戻る