Fugu-MT 論文翻訳(概要): Claw U-Net: A Unet-based Network with Deep Feature Concatenation for Scleral Blood Vessel Segmentation

論文の概要: Claw U-Net: A Unet-based Network with Deep Feature Concatenation for Scleral Blood Vessel Segmentation

arxiv url: http://arxiv.org/abs/2010.10163v1
Date: Tue, 20 Oct 2020 09:55:29 GMT
ステータス: 処理完了
システム内更新日: 2022-10-05 06:47:04.127456
Title: Claw U-Net: A Unet-based Network with Deep Feature Concatenation for Scleral Blood Vessel Segmentation
Title（参考訳）: Claw U-Net: 硬化血管分離のための深い特徴結合を有するUnetベースのネットワーク
Authors: Chang Yao, Jingyu Tang, Menghan Hu, Yue Wu, Wenyi Guo, Qingli Li, Xiao-Ping Zhang
Abstract要約: SWS(Sturge-Weber syndrome)は、血管奇形疾患であり、患者の症状が重篤な場合、失明を引き起こす可能性がある。精巣血管を正確に分画する方法は,コンピュータ診断において重要な問題となっている。 Claw UNetは、硬化血管画像データセット上で、他のUNetベースのネットワークを上回っている。
参考スコア（独自算出の注目度）: 18.10578418379116
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Sturge-Weber syndrome (SWS) is a vascular malformation disease, and it may cause blindness if the patient's condition is severe. Clinical results show that SWS can be divided into two types based on the characteristics of scleral blood vessels. Therefore, how to accurately segment scleral blood vessels has become a significant problem in computer-aided diagnosis. In this research, we propose to continuously upsample the bottom layer's feature maps to preserve image details, and design a novel Claw UNet based on UNet for scleral blood vessel segmentation. Specifically, the residual structure is used to increase the number of network layers in the feature extraction stage to learn deeper features. In the decoding stage, by fusing the features of the encoding, upsampling, and decoding parts, Claw UNet can achieve effective segmentation in the fine-grained regions of scleral blood vessels. To effectively extract small blood vessels, we use the attention mechanism to calculate the attention coefficient of each position in images. Claw UNet outperforms other UNet-based networks on scleral blood vessel image dataset.
Abstract（参考訳）: SWS(Sturge-Weber syndrome)は、血管奇形疾患であり、患者の症状が重篤な場合、失明を引き起こす可能性がある。臨床検査の結果,swsは硬化血管の特徴に基づいて2種類に分類できることがわかった。したがって, 硬化血管を正確に分画する方法は, コンピュータ診断において重要な問題となっている。本研究では,下層の特徴マップを連続的にアップサンプリングして画像の詳細を保存し,UNetをベースとした新しいClaw UNetを設計することを提案する。具体的には、残余構造を用いて特徴抽出段階におけるネットワーク層数を増やし、より深い特徴を学習する。復号段階において、符号化、アップサンプリング、復号部品の特徴を融合させることで、Claw UNetは硬化血管の細粒部において効果的にセグメンテーションを行うことができる。小血管を効果的に抽出するために,注意機構を用いて画像中の各位置の注意係数を計算する。 claw unetは、強膜血管画像データセット上の他のunetベースのネットワークよりも優れている。

関連論文リスト

A New Approach for Evaluating and Improving the Performance of Segmentation Algorithms on Hard-to-Detect Blood Vessels [0.0]
容器の局所強度と画素周辺の画像背景を比較することにより、各容器画素に対して局所血管塩濃度(LVS)指数を算出する。低濃度リコール(LSRecall)は、低濃度の血管セグメントにおけるセグメンテーションアルゴリズムの性能を定量化する新しい精度指標である。高いDice値とリコール値を持つセグメンテーションアルゴリズムはLSRecall値が非常に低いことを示し、これらのアルゴリズムの系統的誤りを、低いサリエンスを持つ船舶に対して明らかにする。
論文参考訳（メタデータ） (2024-06-19T00:45:57Z)
Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
論文参考訳（メタデータ） (2023-12-26T12:56:31Z)
Full-scale Deeply Supervised Attention Network for Segmenting COVID-19 Lesions [0.24366811507669117]
我々は,CT画像におけるコロナ感染領域の効率的なセグメンテーションのためのフルスケールDeeply Supervised Attention Network(FuDSA-Net)を紹介した。モデルは、ネットワークの異なるレベルで取得されたマルチスカラー機能を含む、エンコーディングパスの全レベルからのアクティベーション応答を考察する。マルチスカラー特性の全領域を新しいアテンション機構に組み込むことで、アクティベーション応答と有用な情報を含む位置の選択が優先される。
論文参考訳（メタデータ） (2022-10-27T16:05:47Z)
Ischemic Stroke Lesion Segmentation Using Adversarial Learning [15.490603884631764]
虚血性病変の分節に対する逆行学習を用いた分節モデルを提案する。我々のモデルは、トレーニングのクロスバリデーションで42.10%、テストデータで39%のダイス精度を達成した。
論文参考訳（メタデータ） (2022-04-11T10:19:30Z)
SPNet: A novel deep neural network for retinal vessel segmentation based on shared decoder and pyramid-like loss [13.021014899410684]
畳み込みニューラルネットワークは血管構造を抽出する重要な能力を示した本稿では,共有デコーダとピラミッド様損失に基づく網膜血管セグメンテーションのための新しいディープニューラルネットワークを提案する。
論文参考訳（メタデータ） (2022-02-19T03:44:34Z)
A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文参考訳（メタデータ） (2021-10-24T18:58:40Z)
Edge-competing Pathological Liver Vessel Segmentation with Limited Labels [61.38846803229023]
病理画像からのMVI検出に適したアルゴリズムはまだ存在しない。本報告では, 血管, MVI, および腫瘍のグレードをラベルとした522枚のスライド画像を含む, 初めて病理組織学的肝画像データセットを収集する。本稿では,2つのエッジセグメンテーション・ネットワークと2つのエッジセグメンテーション・ディミネータを含むエッジコンペティング・コンテナ・ネットワーク(EVS-Net)を提案する。
論文参考訳（メタデータ） (2021-08-01T07:28:32Z)
Hierarchical Deep Network with Uncertainty-aware Semi-supervised Learning for Vessel Segmentation [58.45470500617549]
本稿では,注目機構が血管全体に誘導される低コントラストキャピラリー領域を局在させる階層的なディープネットワークを提案する。提案手法は,底部画像における網膜動脈/静脈の分画とCT画像における肝門/肝血管の分画のベンチマークにおいて,最先端の性能を実現する。
論文参考訳（メタデータ） (2021-05-31T06:55:43Z)
SVS-net: A Novel Semantic Segmentation Network in Optical Coherence Tomography Angiography Images [0.0]
この研究は、セグメンテーションを行う際にOCTA画像からスペックルノイズアーティファクトを除去することに焦点を当てた。スペックルノイズはOCTAで一般的であり、特に大きな非灌流領域で顕著である。 SVS-netは、他のよく知られたモデルと比較して精度、リコール、F1スコア、Kappaスコアが向上した。
論文参考訳（メタデータ） (2021-04-14T19:19:17Z)
Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
論文参考訳（メタデータ） (2020-10-09T08:22:54Z)
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。