مقاله توضیحات طبقهبندیکنندهها، تقسیمبندی تصویر پزشکی را از طریق پیشآموزش پایان به انتها افزایش میدهد.
| عنوان مقاله به انگلیسی | Explanations of Classifiers Enhance Medical Image Segmentation via End-to-end Pre-training |
| عنوان مقاله به فارسی | مقاله توضیحات طبقه بندی کننده ها تقسیم بندی تصویر پزشکی را از طریق قبل از آموزش پایان به پایان می رساند |
| نویسندگان | Jiamin Chen, Xuhong Li, Yanwu Xu, Mengnan Du, Haoyi Xiong |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 17 |
| دسته بندی موضوعات | Image and Video Processing,Computer Vision and Pattern Recognition,Machine Learning,پردازش تصویر و فیلم , دید رایانه و تشخیص الگوی , یادگیری ماشین , |
| توضیحات | Submitted 16 January, 2024; originally announced January 2024. |
| توضیحات به فارسی | 16 ژانویه 2024 ارسال شد.در ابتدا ژانویه 2024 اعلام شد. |
چکیده
Medical image segmentation aims to identify and locate abnormal structures in medical images, such as chest radiographs, using deep neural networks. These networks require a large number of annotated images with fine-grained masks for the regions of interest, making pre-training strategies based on classification datasets essential for sample efficiency. Based on a large-scale medical image classification dataset, our work collects explanations from well-trained classifiers to generate pseudo labels of segmentation tasks. Specifically, we offer a case study on chest radiographs and train image classifiers on the CheXpert dataset to identify 14 pathological observations in radiology. We then use Integrated Gradients (IG) method to distill and boost the explanations obtained from the classifiers, generating massive diagnosis-oriented localization labels (DoLL). These DoLL-annotated images are used for pre-training the model before fine-tuning it for downstream segmentation tasks, including COVID-19 infectious areas, lungs, heart, and clavicles. Our method outperforms other baselines, showcasing significant advantages in model performance and training efficiency across various segmentation settings.
چکیده به فارسی (ترجمه ماشینی)
تقسیم تصویر پزشکی با هدف شناسایی و یافتن ساختارهای غیر طبیعی در تصاویر پزشکی مانند رادیوگرافی قفسه سینه با استفاده از شبکه های عصبی عمیق انجام می شود.این شبکه ها به تعداد زیادی از تصاویر حاشیه نویسی با ماسک های ریز دانه برای مناطق مورد علاقه نیاز دارند و استراتژی های قبل از آموزش را بر اساس مجموعه داده های طبقه بندی برای کارآیی نمونه ضروری می کنند.بر اساس یک مجموعه داده طبقه بندی تصویر پزشکی در مقیاس بزرگ ، کار ما توضیحاتی را از طبقه بندی کننده های آموزش دیده برای تولید برچسب های شبه از وظایف تقسیم بندی جمع آوری می کند.به طور خاص ، ما یک مطالعه موردی در مورد رادیوگرافی قفسه سینه و طبقه بندی کننده تصویر قطار در مجموعه داده های CHEXPERT ارائه می دهیم تا 14 مشاهدات پاتولوژیک در رادیولوژی را شناسایی کنیم.سپس ما از روش شیب های یکپارچه (IG) برای تقطیر و تقویت توضیحات به دست آمده از طبقه بندی ها استفاده می کنیم و برچسب های محلی سازی تشخیصی گسترده (DOLL) را ایجاد می کنیم.این تصاویر با حاشیه عروسک قبل از تنظیم دقیق آن برای کارهای تقسیم بندی پایین دست ، از جمله مناطق عفونی COVID-19 ، ریه ها ، قلب و کلویس ها ، برای پیش کشیدن مدل استفاده می شود.روش ما از سایر خطوطی بهتر است ، و مزایای قابل توجهی در عملکرد مدل و راندمان آموزش در تنظیمات مختلف تقسیم بندی نشان می دهد.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.