※隔週で更新します。
論文要約をしています。
詳細はリンクをご確認お願いします。
ご参考になれば幸いです。
論文要約：YOIO: You Only Iterate Once by mining and fusing multiple necessary global information in the optical flow estimation
1回のiterationで、グローバル情報をマイニング・融合する、You Only Iterate Once(YOIO)を提案。SOTA。リアルタイムで動作可。
詳細な論文要約はこちら。
※2024/6/2作成。
論文要約：MemFlow: Optical Flow Estimation and Prediction with Memory
メモリを用いてoptical flow、MemFlowを提案。メモリ読み出し・更新モジュールにより、過去の動きを効果的に集約。解像度を適応的に再スケーリング。VideoFlow以上。コード公開。
詳細な論文要約はこちら。
※2024/4/21作成。
論文要約：SuPerPM: A Large Deformation-Robust Surgical Perception Framework Based on Deep Point Matching Learned from Physical Constrained Simulation Data
手術シーントラッキング。シミュレーションを用いて、非剛体点群マッチングを学習する、SuPerPMを提案。生体のより大きな変形に対応可。SOTA。
詳細な論文要約はこちら。
※2023/12/3作成
論文要約：SemARFlow: Injecting Semantics into Unsupervised Optical Flow Estimation for Autonomous Driving
領域分割推定と教師なしoptical flow推定を行う、SemARFlowを提案。SOTA。
詳細な論文要約はこちら。
※2023/10/22作成
FoPro-KD: Fourier Prompted Effective Knowledge Distillation for Long-TailedMedical Image Recognition
Fourier Prompted Effective Knowledge Distillation for Long-TailedMedical Image Recognition（FoPro-KD、フーリエプロンプト蒸留）を提案。周波数パターンに基づくことで、大規模事前学習モデルから効果的に蒸留。
詳細な論文要約はこちら。
https://zenn.dev/take0212/articles/799bf3c97575c7/。
※2023/6/14作成
SynthMix: Mixing up Aligned Synthesis for Medical Cross-Modality Domain Adaptation
疑似画像生成において、詳細特徴の生成品質を向上する、SynthMixを提案。領域分割のモダリティドメイン適応問題において、提案モジュールをadd-onすることで、2つのデータセットでSOTA。
詳細な論文要約はこちら。
https://zenn.dev/take0212/articles/d9b69f4b9a729d/。
※2023/6/1作成
Generative models improve fairness of medical classifiers under distribution shifts
生成モデルを用いて、データから現実的なaugmentationを学習する方法を提案。分布外精度向上。
詳細な論文要約はこちら。
https://zenn.dev/take0212/articles/5a7acfa779a806/
※2023/5/11作成
An Evaluation of Non-Contrastive Self-Supervised Learning for Federated Medical Image Analysis
医療画像解析・連合学習・自己教師あり学習において、対照学習と非対照学習を比較。非対照学習が優位。
詳細な論文要約はこちら。
https://zenn.dev/take0212/articles/9864ed3a3e3615/
※2023/4/24作成
Magnification Invariant Medical Image Analysis: A Comparison of Convolutional Networks, Vision Transformers, and Token Mixers
異なる倍率への汎化性について、CNN、ViT、Token Mixerそれぞれの性能を比較。WaveMixが優位。
詳細な論文要約はこちら
https://zenn.dev/take0212/articles/238bdb889a69ba/
※2023/03/21作成
A Review of Predictive and Contrastive Self-supervised Learning for Medical Images
対照SSLの医療画像適用のレビュー論文。医療画像解析は、アノテーションが不足しており、自己教師あり対照学習（対照SSL）は有用。
詳細な論文要約はこちら
https://zenn.dev/take0212/articles/7cbe46fbb65c14
※2023/3/13作成
Co-training with High-Confidence Pseudo Labels for Semi-supervised Medical Image Segmentation
Uncertainty-guided Collaborative Mean-Teacher (UCMT) を提案。協調学習semantic segmentationの疑似ラベルの品質を向上。SOTAより優位。
詳細な論文要約はこちら
https://zenn.dev/take0212/articles/9b5e6422ae0ebc/
※2023/1/29作成
Stacking Ensemble Learning in Deep Domain Adaptation for Ophthalmic Image Classification
3つのドメイン適応方法を用いるスタッキングアンサンブル（SELDA）を提案。有効性を確認。
詳細な論文要約はこちら
https://zenn.dev/take0212/articles/860e1094cecadb
※2023/1/10作成
Rethinking Data Augmentation for Single-source Domain Generalization in Medical Image Segmentation
勾配情報に基づいてaugmentationを拡張し（Saliency-balancing）、確率分布の合成から局所的（location-scale）表現を生成する、Saliency-balancing Location-scale Augmentation(SLAug)を提案。SGDタスクでSOTAより大幅に優位。
詳細な論文要約はこちら
https://zenn.dev/take0212/articles/ecb4691df1185e
※2022/12/25作成
Unsupervised Model Adaptation for Source-free Segmentation of Medical Images
教師なしドメイン適応（Unsupervised Domain Adaptation、UDA）において、特徴量空間を一致させることにより、ソースドメインにアクセスせずに、ターゲットドメインに汎化する方法を提案。ソースドメインにアクセスする既存のUDAと同等の性能を達成。
詳細な論文要約はこちら
https://zenn.dev/take0212/articles/93468e3179e7a2
※2022/11/24作成
UNesT: Local Spatial Representation Learning with Hierarchical Transformer for Efficient Medical Segmentation
パッチシーケンスを階層的に集約することで、Transformerを用いながら、局所空間表現を学習する3D医療領域分割 UNesTを提案。複数の臓器でSOTA。
詳細な論文要約はこちら
https://zenn.dev/take0212/articles/f42f485784585c
※2022/11/16作成
IMPaSh: A Novel Domain-shift Resistant Representation for Colorectal Cancer Tissue Classification
PatchShufflingと名付けた新しいaugmentationと、IMPaShと名付けた自己教師あり対照学習を用いた事前学習を提案。domain-shiftにロバストな表現を学習。従来のドメイン適用や自己教師あり学習以上の精度を達成。
詳細な論文要約はこちら
https://zenn.dev/take0212/articles/78c5706cb7d6a4
※2022/10/24作成
Consecutive Knowledge Meta-Adaptation Learning for Unsupervised Medical Diagnosis
教師なしドメイン適応、Unsupervised Domain Adaptation(UDA)において、複数ターゲット病変ドメインへの適用、および、ソース病変ドメインの壊滅的忘却を軽減する、メタ適応フレームワーク、Consecutive lesion Adaptive Meta-Learning（CLKM）を提案。
詳細な論文要約はこちら
https://zenn.dev/take0212/articles/e242b2e73f3fdb
※2022/10/9作成
Online pseudo labeling for polyp segmentation with momentum networks
teacher networkの出力を疑似ラベルとして用いる半教師学習において、momentum networkを用いて疑似ラベルの精度を向上する方法を提案
詳細な論文要約はこちら
https://zenn.dev/take0212/articles/8606f8a4eb2741
※2022/10/6作成
Q-Net: Query-Informed Few-Shot Medical Image Segmentation
メタ学習における分布シフト対策。異常検知のADNetを改良し、クエリに基づいてプロトタイプを修正するように改良。MR画像でSOTA。
詳細な論文要約はこちら
https://zenn.dev/take0212/articles/15a7f9fc2e2c42
※2022/9/20作成
HealthyGAN: Learning from Unannotated Medical Images to Detect Anomalies Associated with Human Disease
画像生成ネットワーク（GAN）を用いた異常検知において、正常画像だけでなく、正常／異常不明の画像も合わせて学習（HealthyGAN）。精度向上。
詳細な論文要約はこちら
https://zenn.dev/take0212/articles/54add92ed1eb91
※2022/9/16作成
