tsta

فارسی

Home / سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران

Hybrid Active Learning–Driven Subset Dataset Selection Enables Near-Optimal Cardiac X-Ray Segmentation with Less Training Data

Authors :

Sayna Jamaati¹ Masoud Noroozi² Hossein Arabi³ Alireza Karimian⁴

1- دانشگاه صنعتی شریف 2- گروه مهندسی پزشکی، دانشکده مهندسی، دانشگاه اصفهان 3- دانشگاه ژنو 4- گروه مهندسی پزشکی، دانشکده مهندسی، دانشگاه اصفهان

Keywords :

Active Learning،Coreset Selection،Cardiac X-Ray Segmentation،Data Efficiency،Uncertainty Estimation،Deep Learning

Abstract :

Deep neural networks deliver state-of-the-art performance in medical-image segmentation but demand exhaustive pixel-level annotation, a major barrier in data-limited clinical settings. We introduce a single-shot hybrid subset-selection scheme that uses only 15% of the available training images (206 of 1,373; i.e., 85% reduction) while maintaining accuracy close to a full-data baseline. A U-Net with a ResNet-50 encoder is trained on 512×512 cardiac radiographs. To curate a compact training set, we combine (i) an uncertainty-aware active branch that converts class-probability vectors into a label-free pool-scoring uncertainty proxy via a lightweight ResNet-18 regressor, and (ii) a geometry-preserving coreset branch that applies k-center greedy search to Global-Average-Pooled (GAP) bottleneck features. The two branches are deduplicated and budgeted to 206 images (15%) before training the segmenter de novo with the same recipe as the baseline. With the fixed 15% budget, Active-only and Coreset-only training achieve Dice scores of 0.916 and 0.929, respectively; the Hybrid selection attains Dice 0.950, accuracy 0.984, sensitivity 0.950, and specificity 0.990, with no statistically significant difference from the full-data model (paired two-sided t-tests, p>0.05). The proposed mask-agnostic (at pool-scoring) and modular hybrid selector enables near-optimal segmentation at a fraction of labeling cost and is readily adaptable to other backbones and representation spaces.

Papers List

List of archived papers

بررسی تأثیر ابزارهای خلاق مبتنی بر هوش مصنوعی بر ایده‌پردازی دانشجویان

ندا پرتونیا

نوآوری فناورانه در هوش مصنوعی و آینده حرفه حسابداری: بررسی مسیرهای شغلی از جایگزینی تا دگرگونی

شبنم بالازاده قره باغی - سعید مصدق

استفاده از هوش مصنوعی در پزشکی و تشخیص بیماری

مهیار زهرابی

تحلیلی جامع بر روندهای نوین بازاریابی محتوایی در فروشگاه‌های آنلاین در سال‌های ۲۰۲۴ و ۲۰۲۵

سید رامان سیدی - آرش احمدی - مریم باباپیری

نقش پیاده سازی هوش مصنوعی در تحول ارتباطات بازاریابی وتوسعه ی شایستگی اخلاقی برندهای فعال

شبنم سخی نیا

Comparative Analysis of Machine Learning and Deep Learning Models for Epileptic Seizure Detection Using the CHB-MIT EEG Dataset

Pouya Taghipour Langrodi - Amirsadra Khodadadi - Mahtab Dastranj - Golnaz Baghdadi

بررسی علمی کاربردهای هوش مصنوعیAI در بهینه‌سازی عملکرد و ایمنی درصنعت نیروگاه هسته‌ای چالش‌ها و راهکارهای بومی مورد مطالعه نیروگاه هسته ای بوشهر

حسین بوذری

Fibroglandular Tissue Classification in Breast MRI: A Comparative Study of Automated Decision Strategies

Meysam Khalaj - Arvin Arian - Ala Torabi - Nasrin Ahmadinejad - Masoumeh Gity - Seyedeh Nooshin Miratashi Yazdi - Mohammad Pooya Afshari - Melika Sadeghi Tabrizi - Hamid Soltanian-Zadeh

بررسی رهایش هوشمند داروی زولدرنیک اسید از نانوذره پلی دوپامین

پیام ردایی - فریبا گنجی - شهره مشایخان - منیژه مختاری دیزجی - سید ابراهیم واشقانی فراهانی - فاطمه باقری

Application of machine learning approach for prediction the heat capacity of amine

Aboozar Khajeh

Samin Hamayesh - Version 42.5.2