論文の概要: Automatic Polyp Segmentation Using Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2004.10792v1
• Date: Wed, 22 Apr 2020 18:54:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-10 18:06:36.774677
• Title: Automatic Polyp Segmentation Using Convolutional Neural Networks
• Title（参考訳）: 畳み込みニューラルネットワークを用いた自動ポリープ分割
• Authors: Sara Hosseinzadeh Kassani, Peyman Hosseinzadeh Kassani, Michal J. Wesolowski, Kevin A. Schneider, Ralph Deters
• Abstract要約: コンピュータ支援診断システムはポリプスクリーニングに応用される可能性がある。 DenseNet169の特徴抽出器とU-Netアーキテクチャは99.15%の精度を達成した。
• 参考スコア（独自算出の注目度）: 4.123347304960947
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Colorectal cancer is the third most common cancer-related death after lung cancer and breast cancer worldwide. The risk of developing colorectal cancer could be reduced by early diagnosis of polyps during a colonoscopy. Computer-aided diagnosis systems have the potential to be applied for polyp screening and reduce the number of missing polyps. In this paper, we compare the performance of different deep learning architectures as feature extractors, i.e. ResNet, DenseNet, InceptionV3, InceptionResNetV2 and SE-ResNeXt in the encoder part of a U-Net architecture. We validated the performance of presented ensemble models on the CVC-Clinic (GIANA 2018) dataset. The DenseNet169 feature extractor combined with U-Net architecture outperformed the other counterparts and achieved an accuracy of 99.15\%, Dice similarity coefficient of 90.87%, and Jaccard index of 83.82%.
• Abstract（参考訳）: 大腸癌は、肺がんと乳がんの3番目に多いがん関連死である。 大腸内視鏡検査ではポリープの早期診断により大腸癌発症リスクを軽減できる。 コンピュータ支援診断システムは,ポリプスクリーニングや欠落ポリープ数の削減に応用できる可能性がある。 本稿では,U-Netアーキテクチャのエンコーダ部におけるResNet,DenseNet,InceptionV3,InceptionResNetV2,SE-ResNeXtなど,さまざまなディープラーニングアーキテクチャの性能を特徴抽出器として比較する。 我々は,CVC-Clinic (GIANA 2018)データセット上で提示されたアンサンブルモデルの性能を検証した。 DenseNet169の特徴抽出器とU-Netアーキテクチャが組み合わされ、99.15\%の精度、90.87%のDice類似度係数、83.82%のJaccardインデックスが達成された。

関連論文リスト

• BetterNet: An Efficient CNN Architecture with Residual Learning and Attention for Precision Polyp Segmentation [0.6062751776009752]
  本研究では,ポリプセグメンテーションの精度を高めるために,残差学習と注意法を組み合わせた畳み込みニューラルネットワークアーキテクチャであるBetterNetを提案する。 BetterNetは、ポリープの検出と癌の早期認識を強化するために、コンピュータ支援診断技術を統合することを約束している。
  論文  参考訳（メタデータ） (2024-05-05T21:08:49Z)
• Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
  視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
  論文  参考訳（メタデータ） (2023-03-03T12:05:41Z)
• RUPNet: Residual upsampling network for real-time polyp segmentation [2.6179759969345002]
  大腸ポリープ分割のための新しいアーキテクチャであるResidual Upsampling Network (RUPNet)を提案する。 画像サイズは512×512$で、提案手法は毎秒152.60フレームの優れたリアルタイム動作速度を実現する。
  論文  参考訳（メタデータ） (2023-01-06T20:21:37Z)
• TransResU-Net: Transformer based ResU-Net for Real-Time Colonoscopy Polyp Segmentation [1.9875031133911856]
  ポリープ,腺腫,進行腺腫の誤診率は高い。 深層学習に基づくコンピュータ支援診断システム(CADx)は、消化器科医が見逃される可能性のあるポリプを見つけるのに役立つかもしれない。 TransResU-Netはリアルタイムポリープ検出システムを構築するための強力なベンチマークになり得る。
  論文  参考訳（メタデータ） (2022-06-17T19:36:37Z)
• Automatic Polyp Segmentation with Multiple Kernel Dilated Convolution Network [3.1374864575817214]
  本研究では,自動ポリープセグメンテーションのための新しいディープラーニングアーキテクチャ,textbfMKDCNetを提案する。 4つの公開ポリプデータセットと細胞核データセットの実験は、提案されたMKDCNetが最先端の手法より優れていることを示している。 MKDCNetは、臨床大腸内視鏡のためのリアルタイムシステムを構築するための強力なベンチマークとなる。
  論文  参考訳（メタデータ） (2022-06-13T15:47:38Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• A Generic Deep Learning Based Cough Analysis System from Clinically Validated Samples for Point-of-Need Covid-19 Test and Severity Levels [85.41238731489939]
  臨床検体8,380名を対象に,Covid-19の迅速一次スクリーニングツールの検出性能について検討した。 提案手法は,経験的モード分解(EMD)に基づくアルゴリズムであり,その後に音声特徴量に基づく分類を行う。 DeepCoughの2つの異なるバージョン、すなわちDeepCough2DとDeepCough3Dのテンソル次元について検討した。
  論文  参考訳（メタデータ） (2021-11-10T19:39:26Z)
• Self-Supervised U-Net for Segmenting Flat and Sessile Polyps [63.62764375279861]
  大腸ポリープの発達は、がんの最も初期の兆候の1つである。 ポリープの早期検出と切除は生存率を90%に大きく向上させる。 大腸内視鏡画像の処理によりポリープを検出するコンピュータ支援診断システム(CADx)が提案されている。
  論文  参考訳（メタデータ） (2021-10-17T09:31:20Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)

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。