要約
心臓の肥大を特徴とする犬の心肥大は、検出されないと重大な健康リスクを引き起こすため、正確な診断方法が必要です。
現在の検出モデルは、多くの場合、小規模で注釈が不十分なデータセットに依存しており、多様な画像条件にわたって一般化するのに苦労しており、現実世界への適用性が制限されています。
これらの問題に対処するために、犬の心肥大を識別するための自信のある擬似ラベル拡散拡張 (CDA) モデルを提案します。
私たちのアプローチは、拡散モデルを採用して合成 X 線画像を生成し、椎骨心スコアのキーポイントに注釈を付けることで、高品質のトレーニング データが限られているという課題に対処し、それによってデータセットを拡張します。
また、モンテカルロ ドロップアウトを使用した疑似ラベル付け戦略を採用して、信頼性の高いラベルを選択し、合成データセットを改良し、精度を向上させます。
これらのラベルを繰り返し組み込むと、モデルのパフォーマンスが向上し、既存のアプローチの制限が克服されます。
実験結果は、CDA モデルが従来の方法よりも優れており、犬の心肥大検出において最先端の精度を達成していることを示しています。
コードの実装は https://github.com/Shira7z/CDA で入手できます。
要約(オリジナル)
Canine cardiomegaly, marked by an enlarged heart, poses serious health risks if undetected, requiring accurate diagnostic methods. Current detection models often rely on small, poorly annotated datasets and struggle to generalize across diverse imaging conditions, limiting their real-world applicability. To address these issues, we propose a Confident Pseudo-labeled Diffusion Augmentation (CDA) model for identifying canine cardiomegaly. Our approach addresses the challenge of limited high-quality training data by employing diffusion models to generate synthetic X-ray images and annotate Vertebral Heart Score key points, thereby expanding the dataset. We also employ a pseudo-labeling strategy with Monte Carlo Dropout to select high-confidence labels, refine the synthetic dataset, and improve accuracy. Iteratively incorporating these labels enhances the model’s performance, overcoming the limitations of existing approaches. Experimental results show that the CDA model outperforms traditional methods, achieving state-of-the-art accuracy in canine cardiomegaly detection. The code implementation is available at https://github.com/Shira7z/CDA.
arxiv情報
著者 | Shiman Zhang,Lakshmikar Reddy Polamreddy,Youshan Zhang |
発行日 | 2025-01-13 18:10:19+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google