[공지사항]을 빙자한 안부와 근황 
Show more

दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

पैरामीट्रिक अपडेट के बिना फाउंडेशन मेडिकल सेगमेंटेशन मॉडल के लिए परीक्षण-समय अनुकूलन

Created by
  • Haebom

लेखक

केचेंग चेन, ज़िन्यू लुओ, टाईक्सिन किन, जी लियू, हुई लियू, विक्टर हो फन ली, होंग यान, हाओलियांग ली

रूपरेखा

इस शोधपत्र का उद्देश्य चिकित्सा छवि विभाजन के लिए सबसे लोकप्रिय आधार मॉडल, मेडसैम (MedSAM) के प्रदर्शन को बेहतर बनाना है। मेडसैम बाउंडिंग बॉक्स प्रॉम्प्ट द्वारा गड़बड़ी के प्रति संवेदनशील है और जटिल संरचनाओं और दिखावट वाले कुछ घावों के लिए इसका प्रदर्शन खराब है। मौजूदा परीक्षण-समय अनुकूलन (TTA) विधियाँ इन समस्याओं का समाधान कर सकती हैं, लेकिन पैरामीटर अपडेट की सीमाओं के कारण उनकी प्रभावशीलता सीमित है, और उनकी गणना संबंधी जटिलता भी अधिक है। इस शोधपत्र में, हम सैद्धांतिक रूप से विश्लेषण करते हैं कि पैरामीटर अपडेट के समान लक्ष्य प्राप्त करने के लिए मेडसैम संरचना के अंतर्गत छवि एम्बेडिंग को सीधे बेहतर बनाया जा सकता है, और एक नवीन TTA विधि प्रस्तावित करते हैं जो गणना संबंधी दक्षता, विभाजन प्रदर्शन में सुधार करती है, और विस्मरण की समस्या से बचाती है। प्रस्तावित विधि वितरणात्मक अनुमानित अव्यक्त सशर्त यादृच्छिक क्षेत्र हानि और एन्ट्रॉपी न्यूनीकरण हानि को मिलाकर पश्च पूर्वानुमान प्रायिकता की गुणनखंडित सशर्त प्रायिकता को अधिकतम करती है। प्रायोगिक परिणाम दर्शाते हैं कि तीन डेटासेट पर डाइस स्कोर में लगभग 3% सुधार हुआ है, जबकि गणना संबंधी जटिलता 7 गुना से भी अधिक कम हो गई है।

Takeaways, Limitations

Takeaways:
हम एक नवीन टीटीए विधि प्रस्तुत करते हैं जो मेडएसएएम के प्रदर्शन में गिरावट की समस्या का प्रभावी ढंग से समाधान करती है।
छवि एम्बेडिंग में प्रत्यक्ष सुधार के माध्यम से कम्प्यूटेशनल दक्षता और प्रदर्शन में एक साथ सुधार करना।
समस्याओं को भुलाए बिना उच्च प्रदर्शन प्राप्त करें।
हमने तीन डेटासेटों में डाइस स्कोर में 3% सुधार और कम्प्यूटेशनल जटिलता में 7 गुना कमी प्रदर्शित की है।
Limitations:
प्रस्तावित विधि की प्रभावशीलता MedSAM संरचना तक सीमित हो सकती है।
अन्य चिकित्सा छवि विभाजन मॉडल या विभिन्न प्रकार के घावों के सामान्यीकरण प्रदर्शन के लिए आगे के अध्ययन की आवश्यकता है।
प्रयोग में प्रयुक्त डेटासेट की सीमाओं के कारण सामान्यीकरण की आगे की पुष्टि की आवश्यकता है।
👍