이 논문은 시신경 유두 및 시신경 함몰 분할의 정확성을 높이기 위한 새로운 레이블 탈노이즈 방법인 다중 의사 레이블 노이즈 인지 네트워크(MPNN)를 제안한다.
MPGGD 모듈은 다양한 초기화로 학습된 여러 네트워크를 사용하여 동일한 학습 데이터셋에 대한 다중 의사 레이블을 생성한다. 이후 이 의사 레이블들 간의 일관성을 기반으로 노이즈 픽셀과 깨끗한 픽셀을 구분한다.
MPNN은 교사-학생 구조로 구성되어 있다. 학생 네트워크는 (i) 깨끗한 픽셀 세트에 대한 분할 손실 최소화와 (ii) 노이즈 픽셀 세트에 대한 일관성 손실 최소화를 통해 학습한다. 교사 네트워크는 지수 이동 평균(EMA)을 사용하여 학생 네트워크의 매개변수를 기반으로 업데이트된다.
실험 결과, MPNN은 RIGA 데이터셋에서 기존 방법들보다 우수한 성능을 보였다. 특히 시신경 유두 IoU 85.22%, 시신경 함몰 IoU 78.11%를 달성하며 가장 높은 정확도를 보였다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Tengjin Weng... at arxiv.org 03-18-2024
https://arxiv.org/pdf/2311.18496.pdfDeeper Inquiries