Fugu-MT 論文翻訳(概要): Multi-level colonoscopy malignant tissue detection with adversarial CAC-UNet

論文の概要: Multi-level colonoscopy malignant tissue detection with adversarial CAC-UNet

arxiv url: http://arxiv.org/abs/2006.15954v2
Date: Tue, 30 Jun 2020 13:43:25 GMT
ステータス: 処理完了
システム内更新日: 2022-11-15 15:06:06.338516
Title: Multi-level colonoscopy malignant tissue detection with adversarial CAC-UNet
Title（参考訳）: 逆行性CAC-UNetを用いた多段階大腸内視鏡下悪性組織検出
Authors: Chuang Zhu, Ke Mei, Ting Peng, Yihao Luo, Jun Liu, Ying Wang and Mulan Jin
Abstract要約: CAC-UNet を用いた高効率多段階悪性組織検出法を提案する。負のWSIを除去するために、プレプレディション戦略と悪性領域誘導ラベル平滑化を備えたパッチレベルモデルを採用する。 The proposed scheme is the best results in MICCAI DigestPath 2019 Challenge on colonoscopy tissue segmentation and classification task。
参考スコア（独自算出の注目度）: 9.861549900260833
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The automatic and objective medical diagnostic model can be valuable to achieve early cancer detection, and thus reducing the mortality rate. In this paper, we propose a highly efficient multi-level malignant tissue detection through the designed adversarial CAC-UNet. A patch-level model with a pre-prediction strategy and a malignancy area guided label smoothing is adopted to remove the negative WSIs, with which to lower the risk of false positive detection. For the selected key patches by multi-model ensemble, an adversarial context-aware and appearance consistency UNet (CAC-UNet) is designed to achieve robust segmentation. In CAC-UNet, mirror designed discriminators are able to seamlessly fuse the whole feature maps of the skillfully designed powerful backbone network without any information loss. Besides, a mask prior is further added to guide the accurate segmentation mask prediction through an extra mask-domain discriminator. The proposed scheme achieves the best results in MICCAI DigestPath2019 challenge on colonoscopy tissue segmentation and classification task. The full implementation details and the trained models are available at https://github.com/Raykoooo/CAC-UNet.
Abstract（参考訳）: 自動的かつ客観的な診断モデルは早期癌の発見に有用であり、したがって死亡率を低下させる。本稿では,CAC-UNetを用いた高効率多段階悪性組織検出法を提案する。負のWSIを除去するために、事前予測戦略と悪性領域誘導ラベル平滑化を備えたパッチレベルモデルを採用し、偽陽性検出のリスクを低減する。マルチモデルアンサンブルにより選択されたキーパッチに対して,対向的コンテキスト認識と外観整合性UNet(CAC-UNet)は,堅牢なセグメンテーションを実現するために設計されている。 CAC-UNetでは、ミラー設計の識別器は、巧妙に設計された強力なバックボーンネットワークの機能マップ全体を、情報を失うことなくシームレスに融合させることができる。また、マスク領域判別器を介して正確なセグメンテーションマスク予測を導くために、マスク先行が追加される。提案手法は,MICCAI DigestPath2019の大腸内視鏡組織分節化と分類作業における課題において,最も優れた結果が得られる。完全な実装の詳細とトレーニングされたモデルはhttps://github.com/Raykoooo/CAC-UNet.comで公開されている。

関連論文リスト

Towards Multi-modality Fusion and Prototype-based Feature Refinement for Clinically Significant Prostate Cancer Classification in Transrectal Ultrasound [4.662744612095781]
臨床的に有意な前立腺癌(csPCa)分類のための多モードTRUSを用いた新しい学習フレームワークを提案する。提案フレームワークは,Bモードとせん断波エラストグラフィ(SWE)から特徴を抽出するために,2つの別々の3D ResNet-50を用いている。このフレームワークの性能は512のTRUSビデオと生検で得られた前立腺癌からなる大規模データセットで評価される。
論文参考訳（メタデータ） (2024-06-20T07:45:01Z)
An Attention Based Pipeline for Identifying Pre-Cancer Lesions in Head and Neck Clinical Images [1.0957311485487375]
頭頸部癌は外科生検後に専門病院で診断されるが、診断が遅れる可能性がある。疑わしい病変,分節を同定し,非異形成性,異形成性,癌性病変に分類するアテンションベースパイプラインを提案する。
論文参考訳（メタデータ） (2024-05-03T09:02:17Z)
Intelligent Breast Cancer Diagnosis with Heuristic-assisted Trans-Res-U-Net and Multiscale DenseNet using Mammogram Images [0.0]
乳癌(BC)は、女性のがん関連死亡率に大きく寄与する。悪性の腫瘤を正確に識別することは依然として困難ですマンモグラフィ画像を用いたBCGスクリーニングのための新しい深層学習手法を提案する。
論文参考訳（メタデータ） (2023-10-30T10:22:14Z)
Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文参考訳（メタデータ） (2023-10-11T05:49:47Z)
RECIST Weakly Supervised Lesion Segmentation via Label-Space Co-Training [30.938824115941603]
本稿では,リッチなRECISTアノテーションを画素単位の病変セグメンテーションに活用するための弱教師付きフレームワークを提案する。 RECISTアノテーションに基づいて、病変ごとに一対のアンダーセグメンテーションマスクとオーバーセグメンテーションマスクが構築される。提案フレームワークの優位性を示すために,公開データセット上で実験を行う。
論文参考訳（メタデータ） (2023-03-01T03:15:31Z)
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)
Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文参考訳（メタデータ） (2021-10-27T19:28:36Z)
Weakly-Supervised Universal Lesion Segmentation with Regional Level Set Loss [16.80758525711538]
高分解能ネットワーク(HRNet)に基づく新しい弱監督ユニバーサル病変分割法を提案する。 AHRNetはデコーダ、デュアルアテンション、スケールアテンション機構を含む高度な高解像度のディープイメージ機能を提供する。本手法は,公開大規模deeplesionデータセットとホールドアウトテストセットにおいて,最高の性能を実現する。
論文参考訳（メタデータ） (2021-05-03T23:33:37Z)
Malignancy Prediction and Lesion Identification from Clinical Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文参考訳（メタデータ） (2021-04-02T20:52:05Z)
G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文参考訳（メタデータ） (2021-01-27T19:28:04Z)
Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文参考訳（メタデータ） (2020-04-22T07:30:56Z)

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。