MIPR:ピクセル再配置による医用画像の自動アノテーション【JST・京大機械翻訳】

Dai Pingping; Zhu Haiming; Ge Shuang; Zhang Ruihan; Qian Xiang; Li Xi; Yuan Kehong

プレプリント

J-GLOBAL ID：202202217483919895 整理番号：22P0336724

MIPR:ピクセル再配置による医用画像の自動アノテーション【JST・京大機械翻訳】

MIPR:Automatic Annotation of Medical Images with Pixel Rearrangement

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 (7件)： , , , , , ,
資料名：
発行年： 2022年04月22日プレプリントサーバーでの情報更新日： 2022年04月22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)

近年報告された最先端の意味セグメンテーションの大部分は,医療領域における完全教師つき深層学習に基づいている。しかし,高品質注釈付きデータセットは,膨大な時間とコストを消費する,強い労働とドメイン知識を必要とする。半教師つき学習と教師なし学習を採用する以前の研究は,ラベルなしデータによる支援訓練を通して注釈のないデータの欠如に対処するために提案され,良好なパーフォーマンスを達成した。それでも,これらの方法は医師が行うように画像アノテーションを直接得ることができない。本論文では,半教師つき学習の自己訓練により触発され,医用画像画素再配列(MIPRにおいて短い)と呼ばれる,別の角度からの注釈付きデータの欠如を解決するための新しいアプローチを提案した。MIPRは,ラベル付きデータを得るために,画像編集と擬似ラベル技術を結合した。反復回数が増加すると,編集画像は元の画像に似ており,ラベル付けされた結果は医師アノテーションと類似している。したがって,MIPRは,設計した条件付きGenerative Adversarial Networkとセグメンテーションネットワークで実装される,ピクセル再配列によるラベルなしデータ量から直接,データのラベル付きペアを得ることである。ISIC18に関する実験は,セグメンテーションタスクのために著者らの方法によって注釈付けされたデータの効果は,医師アノテーションのものに同等か,さらに良いことを示した。【JST・京大機械翻訳】

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

人工知能 , 図形・画像処理一般

, , ,

前のページに戻る