多人評価者による曖昧な医療画像セグメンテーションのためのプロンプト学習
本研究では、複数の評価者による多様な注釈に対処し、計算リソースの大幅な削減を可能にする新しいプロンプト学習ベースのフレームワークPU-Netを提案する。PU-Netは、個々の評価者の洞察と全体の評価者の合意を同時にモデル化することで、曖昧な医療画像セグメンテーションの包括的な不確実性推定を実現する。
医療レポートの多様なモダリティ言語モデルを用いた位置合わせ
医療レポートの中から重要な診断情報を自動的に抽出し、X線画像内の対応する領域を特定することで、医療専門家の診断能力を強化する。
肺がんと肺転移がんの細胞画像を用いたフェーズショット学習による分類
本研究は、気管支内超音波検査(EBUS)の細胞画像を用いて、フェーズショット学習(FSL)を活用し、肺がんと肺転移がんの分類モデルを開発することを目的としている。提案手法は、少量のデータでも高精度な分類を実現し、患者の早期発見と治療につなげることができる。
視点に依存しない心エコー図分析のための汎用プロンプト駆動モデル
提案手法は、心エコー図の異なる標準ビューにわたって優れたセグメンテーション性能を発揮する汎用モデルを実現する。プロンプトプールとプリトレーン言語モデルの知識を活用することで、ビューに依存しない入力に対応できる。
初発鼻咽頭がんのMRIデータセットと多モダリティ分割
本データセットは、277人の初発鼻咽頭がん患者のMRI画像を提供し、経験豊富な放射線科医による手動セグメンテーションを含んでいる。これにより、鼻咽頭がんの診断、治療計画、機械学習アルゴリズムの開発を支援する。
胸部X線画像分析における視覚言語モデルと視線パターンを用いたヒューマン-コンピューター インタラクションの強化
視覚言語モデルにラジオロジストの視線データを組み合わせることで、胸部X線画像分析の精度を大幅に向上させることができる。
長尾分布と多ラベル疾患分類を考慮したCXR画像の効率的な処理と分析
CXRデータセットの長尾分布と多ラベル特性に対処するための効果的な手法を提案し、実践的な洞察を得る。
脳卒中病変の頑健な分割のための合成データ
深層学習を用いた脳卒中病変の自動分割を実現するため、健常脳と脳卒中データを組み合わせた合成データを活用することで、特定の撮像シーケンスに依存せずに高精度な分割が可能となる。
医療用眼底画像の未知のドメインでのグローコーマ分割のための適応的特徴融合ニューラルネットワーク
限られたデータセットでの医療画像分割の課題に対処するため、ドメイン適応、特徴融合ネットワーク、自己教師あり多タスク学習を組み合わせた適応的特徴融合ニューラルネットワーク(AFNN)を提案する。
乳がん検出のための不完全アノテーションを持つ大規模スクリーニングマンモグラムデータセットの分析
本研究では、乳がん検出のための大規模スクリーニングマンモグラムデータセットを活用する新しい手法を提案する。このデータセットには、一部の画像が完全にアノテーションされ、他の一部が弱教師付きのアノテーションしか持っていない不完全なアノテーションが含まれている。提案手法は、この不完全なアノテーションを効果的に活用し、最先端の乳がん検出精度を達成する。
© 2024 by Linnk AI