論文の概要: Cascaded Context Enhancement Network for Automatic Skin Lesion Segmentation

• arxiv url: http://arxiv.org/abs/2004.08107v3
• Date: Mon, 7 Jun 2021 08:01:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 13:33:25.134298
• Title: Cascaded Context Enhancement Network for Automatic Skin Lesion Segmentation
• Title（参考訳）: 自動皮膚病変分割のためのカスケードコンテキスト拡張ネットワーク
• Authors: Ruxin Wang, Shuyuan Chen, Chaojie Ji, Ye Li
• Abstract要約: 自動皮膚病変分割のためのカスケードコンテキスト拡張ニューラルネットワークを定式化する。 ゲートベースの情報統合アプローチを用いた新しいコンテキストアグリゲーションモジュールを提案する。 4つの皮膚皮膚内視鏡画像データセットに対するアプローチについて検討した。
• 参考スコア（独自算出の注目度）: 10.648218637920035
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Skin lesion segmentation is an important step for automatic melanoma diagnosis. Due to the non-negligible diversity of lesions from different patients, extracting powerful context for fine-grained semantic segmentation is still challenging today. Although the deep convolutional neural network (CNNs) have made significant improvements on skin lesion segmentation, they often fail to reserve the spatial details and long-range dependencies context due to consecutive convolution striding and pooling operations inside CNNs. In this paper, we formulate a cascaded context enhancement neural network for automatic skin lesion segmentation. A new cascaded context aggregation (CCA) module with a gate-based information integration approach is proposed to sequentially and selectively aggregate original image and multi-level features from the encoder sub-network. The generated context is further utilized to guide discriminative features extraction by the designed context-guided local affinity (CGL) module. Furthermore, an auxiliary loss is added to the CCA module for refining the prediction. In our work, we evaluate our approach on four public skin dermoscopy image datasets. The proposed method achieves the Jaccard Index (JA) of 87.1%, 80.3%, 83.4%, and 86.6% on ISIC-2016, ISIC-2017, ISIC-2018, and PH2 datasets, which are higher than other state-of-the-art models respectively.
• Abstract（参考訳）: 皮膚病変の分節は悪性黒色腫の診断における重要なステップである。 異なる患者からの病変の多様性が無視できないため、細粒度セマンティックセグメンテーションのための強力な文脈の抽出は現在でも困難である。 深層畳み込みニューラルネットワーク (deep convolutional neural network, cnns) は皮膚病変の分節化を著しく改善したが、cnn内の連続畳み込みストライディングとプール操作のため、空間的詳細と長距離依存コンテキストの保持に失敗した。 本稿では,自動皮膚病変分割のためのカスケード型文脈拡張ニューラルネットワークを定式化する。 エンコーダサブネットワークからオリジナル画像とマルチレベル特徴を逐次的かつ選択的に集約するために,ゲートベースの情報統合アプローチを備えた新しいカスケードコンテキストアグリゲーション(CCA)モジュールを提案する。 生成されたコンテキストは、cgl(context-guided local affinity)モジュールによって識別された特徴抽出を導くためにさらに利用される。 さらに、予測を精錬するCCAモジュールに補助損失を付加する。 本研究では,4つの皮膚皮膚内視鏡画像データセットに対するアプローチを評価した。 提案手法は, isic-2016, isic-2017, isic-2018, ph2データセットにおいて, 87.1%, 80.3%, 83.4%, 86.6%のjaccard index (ja) を実現する。

関連論文リスト

• TESL-Net: A Transformer-Enhanced CNN for Accurate Skin Lesion Segmentation [9.077654650104057]
  皮膚癌の早期発見は皮膚病変の皮膚内視鏡像の正確な分画に依存している。 メラノーマセグメンテーションの最近の手法はU-Netと完全連結ネットワーク(FCN)である 皮膚病変のセグメンテーションのためのTESL-Netという新しいネットワークを導入する。
  論文  参考訳（メタデータ） (2024-08-19T03:49:48Z)
• Inter-Scale Dependency Modeling for Skin Lesion Segmentation with Transformer-based Networks [0.0]
  メラノーマは皮膚細胞の異常増殖によって引き起こされる皮膚がんの危険形態である。 U-Netアーキテクチャを含むFCNアプローチは、皮膚病変を自動的に分割して診断を支援する。 対称的U-Netモデルは優れた結果を示しているが、畳み込み演算を用いることで、長距離依存を捕捉する能力は制限されている。
  論文  参考訳（メタデータ） (2023-10-20T16:20:25Z)
• Generative Adversarial Networks based Skin Lesion Segmentation [7.9234173309439715]
  本稿では, 教師なし生成ネットワークを用いて正確な病変マスクを生成する, Efficient-GAN という新たな逆学習基盤を提案する。 Dice係数、Jaccard類似度、精度はそれぞれ90.1%、83.6%、94.5%である。 また,EGANと同等の性能を持つ軽量セグメンテーションフレームワーク(MGAN)を設計する。
  論文  参考訳（メタデータ） (2023-05-29T15:51:31Z)
• Semantic segmentation of surgical hyperspectral images under geometric domain shifts [69.91792194237212]
  本稿では、幾何学的アウト・オブ・ディストリビューション(OOD)データの存在下で、最先端のセマンティックセグメンテーションネットワークを初めて分析する。 有機移植(Organ transplantation)と呼ばれる専用の拡張技術により、一般化可能性にも対処する。 提案手法は,SOA DSCの最大67 % (RGB) と90% (HSI) を改善し,実際のOODテストデータ上での分配内性能と同等の性能を示す。
  論文  参考訳（メタデータ） (2023-03-20T09:50:07Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• CNN-based fully automatic wrist cartilage volume quantification in MR Image [55.41644538483948]
  追加の注意層を持つU-net畳み込みニューラルネットワークは、最高の手首軟骨分割性能を提供する。 非MRI法を用いて軟骨体積測定の誤差を独立に評価すべきである。
  論文  参考訳（メタデータ） (2022-06-22T14:19:06Z)
• Exploring dual-attention mechanism with multi-scale feature extraction scheme for skin lesion segmentation [0.0]
  本研究では,新しい畳み込みニューラルネットワークを用いた皮膚病変分割法を提案する。 より差別的な特徴を抽出するために,新しいマルチスケール特徴抽出モジュールを提案する。 提案手法は、ISIC 2018データセットで97.5%、94.29%、91.16%、95.92%、95.37%、91.52%の精度、リコール、JSIを報告した。
  論文  参考訳（メタデータ） (2021-11-16T14:08:35Z)
• Lesion Net -- Skin Lesion Segmentation Using Coordinate Convolution and Deep Residual Units [18.908448254745473]
  メラノーマの皮膚病変のセグメント化の精度は、トレーニング、不規則な形状、不明瞭な境界、および異なる皮膚色のためのデータが少ないため、かなり困難な作業です。 提案手法は皮膚病変分節の精度を向上させるのに役立つ。 以上の結果から,提案モデルが既存の皮膚病変の分画法と同等以上の性能を示した。
  論文  参考訳（メタデータ） (2020-12-28T14:43:04Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
  本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。 我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。 皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
  論文  参考訳（メタデータ） (2020-08-19T06:02:46Z)
• Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
  本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。 提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
  論文  参考訳（メタデータ） (2020-07-18T05:46:47Z)

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。