論文の概要: A Two-Stream Meticulous Processing Network for Retinal Vessel Segmentation

• arxiv url: http://arxiv.org/abs/2001.05829v1
• Date: Wed, 15 Jan 2020 17:06:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-11 06:59:16.018688
• Title: A Two-Stream Meticulous Processing Network for Retinal Vessel Segmentation
• Title（参考訳）: 網膜血管セグメンテーションのための2ストリーム可視処理ネットワーク
• Authors: Shaoming Zheng, Tianyang Zhang, Jiawei Zhuang, Hao Wang, Jiang Liu
• Abstract要約: 細い船体や境界領域で望ましいセグメンテーション性能を得るのは難しいことが多い。 本稿では,この問題に対処するための2ストリームのMeticulous-Processing Network (MP-Net)を提案する。 我々のモデルはDRIVE、STARE、CHASE_DB1データセットの最先端手法より優れていることが証明された。
• 参考スコア（独自算出の注目度）: 11.469357649111076
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vessel segmentation in fundus is a key diagnostic capability in ophthalmology, and there are various challenges remained in this essential task. Early approaches indicate that it is often difficult to obtain desirable segmentation performance on thin vessels and boundary areas due to the imbalance of vessel pixels with different thickness levels. In this paper, we propose a novel two-stream Meticulous-Processing Network (MP-Net) for tackling this problem. To pay more attention to the thin vessels and boundary areas, we firstly propose an efficient hierarchical model automatically stratifies the ground-truth masks into different thickness levels. Then a novel two-stream adversarial network is introduced to use the stratification results with a balanced loss function and an integration operation to achieve a better performance, especially in thin vessels and boundary areas detecting. Our model is proved to outperform state-of-the-art methods on DRIVE, STARE, and CHASE_DB1 datasets.
• Abstract（参考訳）: 眼科における眼底血管分割は重要な診断機能であり,本課題には様々な課題が残っている。 初期のアプローチでは,厚さの異なる容器画素の不均衡のため,薄型容器や境界領域で望ましいセグメンテーション性能を得るのが困難であった。 本稿では,この問題に取り組むための新しい2ストリーム可視処理ネットワーク (mp-net) を提案する。 まず, 薄い容器や境界領域に注意を払うため, 厚みの異なる面に自動的に階層化する効率的な階層モデルを提案する。 そして,この階層化結果をバランス損失関数と積分演算で利用し,特に細血管や境界領域の検出において,より優れた性能を実現するために,新たな2ストリーム逆ネットワークを導入する。 我々のモデルはDRIVE、STARE、CHASE_DB1データセットの最先端手法より優れていることが証明された。

関連論文リスト

• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Scale-aware Super-resolution Network with Dual Affinity Learning for Lesion Segmentation from Medical Images [50.76668288066681]
  低解像度医用画像から様々な大きさの病変を適応的に分割する,スケールアウェアな超解像ネットワークを提案する。 提案するネットワークは,他の最先端手法と比較して一貫した改善を実現した。
  論文  参考訳（メタデータ） (2023-05-30T14:25:55Z)
• DualStreamFoveaNet: A Dual Stream Fusion Architecture with Anatomical Awareness for Robust Fovea Localization [6.278444803136043]
  マルチキュー核融合のためのDualStreamFoveaNet (DSFN) と呼ばれる新しいトランスフォーマーアーキテクチャを提案する。 このアーキテクチャは、網膜と血管の分布を用いた長距離接続とグローバルな特徴をはっきりと組み込んで、堅牢な葉の局在を図っている。 DSFNは、正常な網膜像と疾患のある網膜像の両方においてより堅牢であり、クロスデータセット実験においてキャパシティの一般化がより優れていることを実証する。
  論文  参考訳（メタデータ） (2023-02-14T10:40:20Z)
• Hard Exudate Segmentation Supplemented by Super-Resolution with Multi-scale Attention Fusion Module [14.021944194533644]
  硬外用量(HE)は網膜浮腫の最も特異的なバイオマーカーである。 本稿では,SS-MAFと呼ばれる高分解能部分分割手法を提案する。 我々はIDRiDとE-Ophthaの2つのパブリック病変データセットについて検討した。
  論文  参考訳（メタデータ） (2022-11-17T08:25:04Z)
• RetiFluidNet: A Self-Adaptive and Multi-Attention Deep Convolutional Network for Retinal OCT Fluid Segmentation [3.57686754209902]
  OCTガイド下治療には網膜液の定量化が必要である。 RetiFluidNetと呼ばれる新しい畳み込みニューラルアーキテクチャは、多クラス網膜流体セグメンテーションのために提案されている。 モデルは、テクスチャ、コンテキスト、エッジといった特徴の階層的な表現学習の恩恵を受ける。
  論文  参考訳（メタデータ） (2022-09-26T07:18:00Z)
• InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
  InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。 異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
  論文  参考訳（メタデータ） (2021-12-23T15:52:37Z)
• Dispensed Transformer Network for Unsupervised Domain Adaptation [21.256375606219073]
  本稿では,新しい非教師付き領域適応 (UDA) 方式であるディスペンデントトランスフォーマーネットワーク (DTNet) について述べる。 提案するネットワークは,いくつかの最先端技術と比較して,最高の性能を実現している。
  論文  参考訳（メタデータ） (2021-10-28T08:27:44Z)
• Learning Multi-Granular Spatio-Temporal Graph Network for Skeleton-based Action Recognition [49.163326827954656]
  骨格に基づく行動分類のための新しい多言語時空間グラフネットワークを提案する。 2つの枝の枝からなるデュアルヘッドグラフネットワークを開発し、少なくとも2つの時間分解能を抽出する。 3つの大規模データセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2021-08-10T09:25:07Z)
• Hierarchical Deep Network with Uncertainty-aware Semi-supervised Learning for Vessel Segmentation [58.45470500617549]
  本稿では,注目機構が血管全体に誘導される低コントラストキャピラリー領域を局在させる階層的なディープネットワークを提案する。 提案手法は,底部画像における網膜動脈/静脈の分画とCT画像における肝門/肝血管の分画のベンチマークにおいて,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-05-31T06:55:43Z)
• Detecting micro fractures with X-ray computed tomography [4.855026133182103]
  XRCTを用いたカララ大理石のフラクチャーネットワークの可視化に成功したデータ集合について述べる。 従来の3手法と機械学習に基づく2手法を評価した。 2次元U-netモデルの出力は、機械学習に基づくセグメンテーション手法の1つである。
  論文  参考訳（メタデータ） (2021-03-23T20:20:24Z)
• Unpaired Multi-modal Segmentation via Knowledge Distillation [77.39798870702174]
  本稿では,不対向画像分割のための新しい学習手法を提案する。 提案手法では,CTおよびMRI間での畳み込みカーネルの共有により,ネットワークパラメータを多用する。 我々は2つの多クラスセグメンテーション問題に対するアプローチを広範囲に検証した。
  論文  参考訳（メタデータ） (2020-01-06T20:03:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。