Fugu-MT 論文翻訳(概要): A Deep Convolutional Neural Network for the Detection of Polyps in Colonoscopy Images

論文の概要: A Deep Convolutional Neural Network for the Detection of Polyps in Colonoscopy Images

arxiv url: http://arxiv.org/abs/2008.06721v1
Date: Sat, 15 Aug 2020 13:55:44 GMT
ステータス: 処理完了
システム内更新日: 2022-10-28 20:52:48.532425
Title: A Deep Convolutional Neural Network for the Detection of Polyps in Colonoscopy Images
Title（参考訳）: 大腸内視鏡画像におけるポリープ検出のための深部畳み込みニューラルネットワーク
Authors: Tariq Rahim, Syed Ali Hassan, Soo Young Shin
Abstract要約: 大腸内視鏡画像中のポリープをコンピュータで検出するディープ畳み込みニューラルネットワークモデルを提案する。光度計や幾何歪みなどのデータ拡張技術は、ポリープ検出で直面する障害を克服するために適応される。
参考スコア（独自算出の注目度）: 12.618653234201089
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Computerized detection of colonic polyps remains an unsolved issue because of the wide variation in the appearance, texture, color, size, and presence of the multiple polyp-like imitators during colonoscopy. In this paper, we propose a deep convolutional neural network based model for the computerized detection of polyps within colonoscopy images. The proposed model comprises 16 convolutional layers with 2 fully connected layers, and a Softmax layer, where we implement a unique approach using different convolutional kernels within the same hidden layer for deeper feature extraction. We applied two different activation functions, MISH and rectified linear unit activation functions for deeper propagation of information and self regularized smooth non-monotonicity. Furthermore, we used a generalized intersection of union, thus overcoming issues such as scale invariance, rotation, and shape. Data augmentation techniques such as photometric and geometric distortions are adapted to overcome the obstacles faced in polyp detection. Detailed benchmarked results are provided, showing better performance in terms of precision, sensitivity, F1- score, F2- score, and dice-coefficient, thus proving the efficacy of the proposed model.
Abstract（参考訳）: 大腸内視鏡検査における多発性ポリープ様イミテーターの外観, 質感, 色, サイズ, 存在度が多様であるため, 大腸ポリープのコンピュータによる検出は未解決の課題である。本稿では,大腸内視鏡画像中のポリープをコンピュータで検出するディープ畳み込みニューラルネットワークモデルを提案する。提案モデルは,完全連結層が2層ある16の畳み込み層とソフトマックス層で構成され,同一隠れ層内の異なる畳み込みカーネルを用いて,より深い特徴抽出を行うユニークな手法を実装した。情報のより深い伝播にはMISHと修正線形単位活性化関数の2つの異なるアクティベーション関数を適用した。さらに,共役の一般化した交叉を用い,スケール不変性,回転,形状といった問題を克服した。光度計や幾何歪みなどのデータ拡張技術は、ポリープ検出で直面する障害を克服するために適応される。詳細なベンチマーク結果が提供され、精度、感度、F1-スコア、F2-スコア、サイス係数が向上し、提案モデルの有効性が証明された。

関連論文リスト

Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文参考訳（メタデータ） (2024-08-28T10:07:17Z)
ECC-PolypDet: Enhanced CenterNet with Contrastive Learning for Automatic Polyp Detection [88.4359020192429]
既存の手法では、計算コストのかかるコンテキストアグリゲーションが伴うか、ポリープの事前モデリングが欠如しているため、難解なケースでは性能が低下する。本稿では,2段階のトレーニングとエンドツーエンド推論フレームワークである Enhanced CenterNet with Contrastive Learning (ECC-PolypDet) を提案する。 Box-assisted Contrastive Learning (BCL) は, クラス内差を最小限に抑え, 前庭ポリープと背景のクラス間差を最大化するため, 隠れポリープを捕捉する。微調整段階におけるIoU誘導サンプル再重み付けの導入
論文参考訳（メタデータ） (2024-01-10T07:03:41Z)
DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2023-12-11T18:38:28Z)
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)
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)
A Hybrid Convolutional Neural Network with Meta Feature Learning for Abnormality Detection in Wireless Capsule Endoscopy Images [8.744537620217674]
無線カプセル内視鏡画像における異常検出のためのハイブリッド畳み込みニューラルネットワークを提案する。 3つの並列畳み込みニューラルネットワークで構成され、それぞれに特有の特徴学習能力がある。ネットワークトリオは、クラス内の分散を効果的に処理し、胃腸の異常を効率的に検出する。
論文参考訳（メタデータ） (2022-07-20T09:25:57Z)
Stepwise Feature Fusion: Local Guides Global [14.394421688712052]
本稿では,ピラミッドトランスフォーマーエンコーダを用いた医用画像セグメンテーションのためのState-Of-The-Artモデルを提案する。提案するプログレッシブ・ローカリティ・デコーダをピラミッドトランスフォーマーのバックボーンに適応させて,局所的特徴と注意分散を強調する。
論文参考訳（メタデータ） (2022-03-07T10:36:38Z)
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)
PraNet: Parallel Reverse Attention Network for Polyp Segmentation [155.93344756264824]
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。
論文参考訳（メタデータ） (2020-06-13T08:13:43Z)

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。