Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Imaging Studies I: CT and MRI01:14

Imaging Studies I: CT and MRI

Introduction: MRI and CT scans are crucial advancements in medical imaging techniques, playing a vital role in diagnosing conditions related to the gastrointestinal (GI) system. Each scan serves distinct purposes, targets specific areas, and requires unique nursing duties.
Description of the Procedures
Computed Tomography (CT) scan:
Computed Tomography (CT) scans use X-ray technology to generate detailed images of bones, organs, and tissues. During the scan, the patient lies on a moving table...

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

DiffGeo-AOR: Diffusion-Optimized Medical Grading via Geometric Priors enhanced Autoregressive Ordinal Regression.

IEEE transactions on medical imaging·2026
Same author

Real-World Insights in Designing SteatoStat: An End-to-End Deep Learning Pipeline for Hepatic Steatosis Quantification.

Diagnostics (Basel, Switzerland)·2026
Same author

Annotation-efficient medical image segmentation via cross-latent graphs and vector-quantized memory.

Medical image analysis·2026
Same author

STAGE challenge: Structural-Functional Transition in Glaucoma Assessment.

Medical image analysis·2026
Same author

Angiography-free diagnosis of retinal diseases via interpretable multi-modal learning.

NPJ digital medicine·2026
Same author

Multi-Granularity Topological Reasoning for Anatomically Consistent Vasculature Parsing.

IEEE transactions on image processing : a publication of the IEEE Signal Processing Society·2026

関連する実験動画

Updated: May 31, 2026

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

2.9K

半監督医療画像セグメンテーションの不確実性認識のクロストレーニング

Kaiwen Huang, Tao Zhou, Huazhu Fu

    IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
    |August 29, 2025
    PubMed
    まとめ

    この研究は,半監督医療画像セグメンテーション (UC-Seg) の不確実性認識のクロストレーニングフレームワークを導入します. UC-Segは,モデルバイアスを軽減し,不確実性マップを使用して高信頼性の擬似ラベルを生成することにより,セグメンテーションの精度を高めます.

    科学分野:

    • 医学画像分析
    • 機械学習
    • コンピュータ・ビジョン

    背景:

    • 半監督学習は医療画像セグメンテーションにおける注釈の必要性を軽減します.
    • 平均的な教師モデルでは ラベルが付けられていないデータを使いますが 認知的なバイアスに苦しんでいます
    • 混乱した入力から高信頼性の擬似ラベルを生成することは困難です.

    研究 の 目的:

    • 半監督医療画像セグメンテーション (UC-Seg) の不確実性認識のクロストレーニングフレームワークを提案する.
    • 2つの異なるサブネットを使用してモデルの認知バイアスを軽減します.
    • 強化されたセグメンテーションのための高信頼性の擬似ラベルの生成を改善する.

    主な方法:

    • 2つの異なるサブネットでUC-Segフレームワークを開発しました.
    • 機能の一貫性のためのクロスサブネットの一貫性保全 (CCP) 戦略を実装しました.
    • セグメンテーション結果と不確実性マップを使用して,不確実性認識型擬似ラベル生成 (UPG) コンポーネントを導入しました.

    主要な成果:

    • UC-Segは,さまざまな医療画像法 (MRI,CT,超音波,コロノスコーピー) で優れたセグメンテーションの精度を示した.

    さらに関連する動画

    Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application
    05:56

    Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application

    Published on: April 14, 2023

    2.6K
    Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
    04:48

    Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

    Published on: July 5, 2024

    491

    関連する実験動画

    Last Updated: May 31, 2026

    Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
    04:48

    Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

    Published on: November 30, 2022

    2.9K
    Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application
    05:56

    Objectification of Tongue Diagnosis in Traditional Medicine, Data Analysis, and Study Application

    Published on: April 14, 2023

    2.6K
    Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
    04:48

    Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

    Published on: July 5, 2024

    491
  • この方法は,既存の最先端の半監督技術と比較して,より優れた一般化性能を達成しました.
  • フレームワークはモデルバイアスを効果的に緩和し,偽のラベルの質を向上させました.

    • 結論:

    • UC-Segは 半監視医療画像セグメンテーションに 強力なアプローチを提供します
    • 提案されているCCPとUPGの戦略は,モデルの性能と信頼性を高めます.
    • このフレームワークは,正確な画像セグメンテーションを必要とする臨床アプリケーションの大きな可能性を示しています.