ইমেজিং ওয়ার্কফ্লোতে মেডিকেল ইমেজ সেগমেন্টেশন একটি মূল কাজ, যা অনেক ইমেজ-ভিত্তিক সিদ্ধান্তকে প্রভাবিত করে। ঐতিহ্যগত, সম্পূর্ণ তত্ত্বাবধানে থাকা সেগমেন্টেশন মডেলগুলি প্রচুর পরিমাণে লেবেলযুক্ত প্রশিক্ষণ ডেটার উপর নির্ভর করে, যা সাধারণত ম্যানুয়াল টীকা দ্বারা প্রাপ্ত হয়, যা একটি ব্যয়বহুল, সময়সাপেক্ষ, এবং ত্রুটি-প্রবণ প্রক্রিয়া হতে পারে। এটি এই মডেলগুলির প্রশিক্ষণের সঠিক, স্বয়ংক্রিয় এবং টীকা-দক্ষ পদ্ধতির প্রয়োজনের সংকেত দেয়। আমরা প্রস্তাব করছি ADA-SAM (স্বয়ংক্রিয়, ডোমেন-নির্দিষ্ট, এবং অভিযোজিত সেগমেন্ট যেকোনো মডেল), মেডিকেল ইমেজ সেগমেন্টেশনের জন্য একটি অভিনব মাল্টিটাস্ক লার্নিং ফ্রেমওয়ার্ক যা একটি সহায়ক ক্লাসিফায়ার থেকে ক্লাস অ্যাক্টিভেশন মানচিত্রকে আধা-তত্ত্বাবধানে থাকা সেগমেন্টেশন শাখার ভবিষ্যদ্বাণী নির্দেশ করতে সাহায্য করে, যা একটি ফ্রেমওয়ার্ক (সেগমেন্ট) ফ্রেমওয়ার্কের উপর ভিত্তি করে। উপরন্তু, আমাদের ADA-SAM মডেল একটি অভিনব গ্রেডিয়েন্ট ফিডব্যাক মেকানিজম নিযুক্ত করে যাতে সেগমেন্টেশন গ্রেডিয়েন্ট ব্যবহার করে শ্রেণীবিভাগের ভবিষ্যদ্বাণীগুলিকে নির্দেশিত ও উন্নত করতে সেগমেন্টেশন এবং শ্রেণীবিভাগ শাখার মধ্যে একটি শেখার যোগ্য সংযোগ তৈরি করা হয়। আমরা সার্বজনীনভাবে উপলব্ধ কম্পিউটেড টমোগ্রাফি (CT) ডেটাসেটের পাশাপাশি রিহ্যাবিলিটেশন ট্রায়ালের সময় সংগৃহীত রিয়েল-ওয়ার্ল্ড ক্লিনিকাল ম্যাগনেটিক রেজোন্যান্স ইমেজিং (MRI) ডেটাতে ADA-SAM যাচাই করি এবং দেখাই যে আমাদের প্রস্তাবিত পদ্ধতিটি সীমিত লেবেল সেটিং দ্বারা সম্পূর্ণ তত্ত্বাবধান করা এবং আধা-তত্ত্বাবধান করা বেসলাইন উভয়কেই ছাড়িয়ে যায়।
এই নিবন্ধ বা এর কিছু অংশ থেকে প্রাপ্ত অভিযোজিত উপাদান শেয়ার করার জন্য এই লাইসেন্সের অধীনে আপনার কাছে অনুমতি নেই। এই নিবন্ধের চিত্র বা অন্যান্য তৃতীয় পক্ষের উপাদান নিবন্ধের ক্রিয়েটিভ কমন্স লাইসেন্সে অন্তর্ভুক্ত করা হয়েছে, যদি না উপাদানটির ক্রেডিট লাইনে অন্যথায় নির্দেশিত হয়। যদি উপাদান নিবন্ধের ক্রিয়েটিভ কমন্স লাইসেন্সে অন্তর্ভুক্ত না করা হয় এবং আপনার উদ্দেশ্যযুক্ত ব্যবহার বিধিবদ্ধ প্রবিধান দ্বারা অনুমোদিত না হয় বা অনুমোদিত ব্যবহার অতিক্রম করে, তাহলে আপনাকে সরাসরি কপিরাইট ধারকের কাছ থেকে অনুমতি নিতে হবে। এই লাইসেন্সের একটি অনুলিপি দেখতে, http://creativecommons.org/licenses/by-nc-nd/4.0/ দেখুন।
পুনর্মুদ্রণ এবং অনুমতি
