論文の概要: PraNet: Parallel Reverse Attention Network for Polyp Segmentation
- arxiv url: http://arxiv.org/abs/2006.11392v4
- Date: Fri, 3 Jul 2020 13:14:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 21:25:44.092997
- Title: PraNet: Parallel Reverse Attention Network for Polyp Segmentation
- Title(参考訳): PraNet:polypセグメンテーションのための並列逆アテンションネットワーク
- Authors: Deng-Ping Fan, Ge-Peng Ji, Tao Zhou, Geng Chen, Huazhu Fu, Jianbing
Shen, Ling Shao
- Abstract要約: 大腸内視鏡画像の高精度なポリープ分割のための並列リバースアテンションネットワーク(PraNet)を提案する。
並列部分復号器(PPD)を用いて,まず高層層に特徴を集約する。
さらに,エリアとバウンダリの関連性を確立するために,リバースアテンション(RA)モジュールを用いて境界キューをマイニングする。
- 参考スコア(独自算出の注目度): 155.93344756264824
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Colonoscopy is an effective technique for detecting colorectal polyps, which
are highly related to colorectal cancer. In clinical practice, segmenting
polyps from colonoscopy images is of great importance since it provides
valuable information for diagnosis and surgery. However, accurate polyp
segmentation is a challenging task, for two major reasons: (i) the same type of
polyps has a diversity of size, color and texture; and (ii) the boundary
between a polyp and its surrounding mucosa is not sharp. To address these
challenges, we propose a parallel reverse attention network (PraNet) for
accurate polyp segmentation in colonoscopy images. Specifically, we first
aggregate the features in high-level layers using a parallel partial decoder
(PPD). Based on the combined feature, we then generate a global map as the
initial guidance area for the following components. In addition, we mine the
boundary cues using a reverse attention (RA) module, which is able to establish
the relationship between areas and boundary cues. Thanks to the recurrent
cooperation mechanism between areas and boundaries, our PraNet is capable of
calibrating any misaligned predictions, improving the segmentation accuracy.
Quantitative and qualitative evaluations on five challenging datasets across
six metrics show that our PraNet improves the segmentation accuracy
significantly, and presents a number of advantages in terms of
generalizability, and real-time segmentation efficiency.
- Abstract(参考訳): 大腸内視鏡は大腸癌と高い関連性を有する大腸ポリープの検出に有効な技術である。
臨床的には,大腸内視鏡像からのポリープの分画は診断や手術に有用な情報を提供するため重要である。
しかし、正確なポリプセグメンテーションは2つの大きな理由から難しい課題である。
(i)同じ種類のポリープは、大きさ、色、食感の多様性があり、
(ii)ポリープとその周囲の粘膜の境界は鋭くはない。
これらの課題に対処するために,大腸内視鏡像の正確なポリープ分割のための並列逆注意ネットワーク(PraNet)を提案する。
具体的には、並列部分復号器(PPD)を用いて、まず高層層に特徴を集約する。
複合機能に基づいて、以下のコンポーネントの最初のガイダンスエリアとしてグローバルマップを生成します。
さらに,エリアとバウンダリの関連性を確立するために,リバースアテンション(RA)モジュールを用いて境界キューをマイニングする。
エリアとバウンダリ間の繰り返し協調機構により、PraNetは、不整合予測を校正し、セグメンテーション精度を向上させることができる。
6つのメトリクスにわたる5つの挑戦的データセットの定量的および定性的な評価は、私たちのPraNetがセグメンテーションの精度を著しく改善し、一般化可能性、リアルタイムセグメンテーションの効率の点で多くの利点を示します。
関連論文リスト
- Dual-scale Enhanced and Cross-generative Consistency Learning for
Semi-supervised Polyp Segmentation [52.06525450636897]
大腸癌の早期診断と治療において, 自動ポリープセグメンテーションが重要な役割を担っている。
既存の手法は、完全に教師されたトレーニングに大きく依存しており、大量のラベル付きデータと時間を要するピクセル単位のアノテーションを必要とする。
大腸内視鏡画像からの半教師付きポリープ(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learningフレームワークを提案する。
論文 参考訳(メタデータ) (2023-12-26T12:56:31Z) - Polyper: Boundary Sensitive Polyp Segmentation [32.00049708774388]
ポリープセグメンテーションのための新しいバウンダリセンシティブなフレームワークであるPolyperを提案する。
本手法は, インテリアポリープ領域の特徴を生かして, ぼやけた境界に対処する, 調味料を処方する臨床アプローチによるものである。
Polyperの有効性を評価するため、5つの公開可能な挑戦的データセットで実験を行い、それらすべてに対して最先端のパフォーマンスを受信する。
論文 参考訳(メタデータ) (2023-12-14T08:27:00Z) - Lesion-aware Dynamic Kernel for Polyp Segmentation [49.63274623103663]
ポリープセグメンテーションのための障害対応動的ネットワーク(LDNet)を提案する。
従来のU字型エンコーダ・デコーダ構造であり、動的カーネル生成と更新スキームが組み込まれている。
この単純だが効果的なスキームは、我々のモデルに強力なセグメンテーション性能と一般化能力を与える。
論文 参考訳(メタデータ) (2023-01-12T09:53:57Z) - Self-Supervised Correction Learning for Semi-Supervised Biomedical Image
Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。
共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。
異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文 参考訳(メタデータ) (2023-01-12T08:19:46Z) - BoxPolyp:Boost Generalized Polyp Segmentation Using Extra Coarse
Bounding Box Annotations [79.17754846553866]
我々は、正確なマスクと余分な粗いボックスアノテーションをフル活用するための強化されたBoxPolypモデルを提案する。
実際には、従来のポリプセグメンテーションモデルの過度に適合する問題を緩和するためにボックスアノテーションが適用される。
提案手法は従来の最先端手法よりも大きなマージンで優れていた。
論文 参考訳(メタデータ) (2022-12-07T07:45:50Z) - Automatic Polyp Segmentation via Multi-scale Subtraction Network [100.94922587360871]
臨床的には、正確なポリープセグメンテーションは大腸癌の早期発見に重要な情報を提供する。
既存のほとんどの手法はU字型構造に基づいており、デコーダで段階的に異なるレベルの特徴を融合させるために要素ワイド付加または結合を用いる。
大腸内視鏡画像からポリプを抽出するマルチスケールサブトラクションネットワーク(MSNet)を提案する。
論文 参考訳(メタデータ) (2021-08-11T07:54:07Z) - Enhanced U-Net: A Feature Enhancement Network for Polyp Segmentation [17.8181080354116]
大腸内視鏡画像におけるポリープ分割の精度向上のための特徴拡張ネットワークを提案する。
具体的には,semantic feature enhance module (sfem) を用いて意味情報の拡張を行う。
提案手法は5つの大腸内視鏡データを用いて評価し,他の最先端モデルと比較して優れた性能を示す。
論文 参考訳(メタデータ) (2021-05-03T16:46:26Z) - AG-CUResNeSt: A Novel Method for Colon Polyp Segmentation [0.0]
本稿では、ロバストなResNeStバックボーンとアテンションゲートを用いて結合ユニセットを強化するAG-CUResNeStと呼ばれる新しいニューラルネットワークアーキテクチャを提案する。
提案手法は既存手法と比較して最先端の精度を実現する。
論文 参考訳(メタデータ) (2021-05-02T06:36:36Z) - Colorectal Polyp Segmentation by U-Net with Dilation Convolution [9.840695333927496]
大腸癌(英:Colorectal cancer, CRC)は、アメリカ合衆国で最も一般的に診断されるがんの1つであり、がん死の原因となっている。
現在最も一般的な大腸ポリープ検出法は大腸内視鏡である。
大腸ポリープセグメンテーションのための新しいエンドツーエンドディープラーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2019-12-26T23:27:18Z)
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。