論文の概要: Efficient Medical Image Segmentation with Intermediate Supervision Mechanism

• arxiv url: http://arxiv.org/abs/2012.03673v1
• Date: Sun, 15 Nov 2020 13:46:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-25 07:41:15.419601
• Title: Efficient Medical Image Segmentation with Intermediate Supervision Mechanism
• Title（参考訳）: 中間観察機構を用いた効率的な医用画像分割
• Authors: Di Yuan, Junyang Chen, Zhenghua Xu, Thomas Lukasiewicz, Zhigang Fu, Guizhi Xu
• Abstract要約: U-Netの拡張経路は小目標の特性を無視する可能性があるため、中間的な監視機構が提案される。 中間監督機構はセグメンテーション精度を向上させるが、余分な入力と複数の損失関数のためにトレーニング時間は長すぎる。 モデルの冗長性を低減するため,共有重み付きデコーダモジュールと結合重み付きデコーダモジュールを組み合わせる。
• 参考スコア（独自算出の注目度）: 48.244918515770514
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Because the expansion path of U-Net may ignore the characteristics of small targets, intermediate supervision mechanism is proposed. The original mask is also entered into the network as a label for intermediate output. However, U-Net is mainly engaged in segmentation, and the extracted features are also targeted at segmentation location information, and the input and output are different. The label we need is that the input and output are both original masks, which is more similar to the refactoring process, so we propose another intermediate supervision mechanism. However, the features extracted by the contraction path of this intermediate monitoring mechanism are not necessarily consistent. For example, U-Net's contraction path extracts transverse features, while auto-encoder extracts longitudinal features, which may cause the output of the expansion path to be inconsistent with the label. Therefore, we put forward the intermediate supervision mechanism of shared-weight decoder module. Although the intermediate supervision mechanism improves the segmentation accuracy, the training time is too long due to the extra input and multiple loss functions. For one of these problems, we have introduced tied-weight decoder. To reduce the redundancy of the model, we combine shared-weight decoder module with tied-weight decoder module.
• Abstract（参考訳）: U-Netの拡張経路は小目標の特性を無視する可能性があるため、中間監視機構が提案される。 元のマスクも中間出力のラベルとしてネットワークに入力される。 しかし、U-Netは主にセグメンテーションに従事しており、抽出された特徴もセグメンテーション位置情報をターゲットにしており、入力と出力が異なる。 私たちが必要とするラベルは、入力と出力の両方がオリジナルのマスクであり、リファクタリングプロセスとより類似しているため、別の中間的な監視機構を提案することである。 しかし、この中間監視機構の収縮経路によって抽出される特徴は必ずしも一致しない。 例えば、u-netの収縮経路は横方向の特徴を抽出し、auto-encoderは縦方向の特徴を抽出し、拡張経路の出力はラベルと矛盾する可能性がある。 そこで我々は,共有重み付きデコーダモジュールの中間管理機構を推し進めた。 中間監視機構はセグメンテーション精度を向上させるが、余分な入力と複数の損失関数によりトレーニング時間が長すぎる。 これらの問題の1つとして、タイトウェイトデコーダを導入しました。 モデルの冗長性を低減するため,共有重み付きデコーダモジュールと結合重み付きデコーダモジュールを組み合わせる。

関連論文リスト

• AFFSegNet: Adaptive Feature Fusion Segmentation Network for Microtumors and Multi-Organ Segmentation [32.74195208408193]
  医用画像のセグメンテーションは、コンピュータビジョンにおいて重要な課題であり、診断、治療計画、疾患モニタリングにおける臨床医を支援する。 本稿では,局所的特徴とグローバルな特徴を効果的に統合し,正確な医用画像分割を実現するトランスフォーマアーキテクチャである適応意味ネットワーク(ASSNet)を提案する。 多臓器、肝腫瘍、膀胱腫瘍の分節を含む様々な医療画像の分節タスクに関するテストは、ATSNetが最先端の結果を達成することを実証している。
  論文  参考訳（メタデータ） (2024-09-12T06:25:44Z)
• DiffCut: Catalyzing Zero-Shot Semantic Segmentation with Diffusion Features and Recursive Normalized Cut [62.63481844384229]
  ファンデーションモデルは、言語、ビジョン、マルチモーダルタスクなど、さまざまな領域にまたがる強力なツールとして登場した。 本稿では,拡散UNetエンコーダを基礎ビジョンエンコーダとして使用し,教師なしゼロショットセグメンテーション手法であるDiffCutを紹介する。 我々の研究は、拡散UNetエンコーダに埋め込まれた極めて正確なセマンティック知識を強調し、下流タスクの基盤ビジョンエンコーダとして機能する。
  論文  参考訳（メタデータ） (2024-06-05T01:32:31Z)
• More complex encoder is not all you need [0.882348769487259]
  我々は,強力なデコーダを構築するために,新しいサブピクセル・コンボリューションを組み込んだneU-Net(複雑なエンコーダではないU-Net)を導入する。 我々のモデル設計は、SynapseとACDCの両方のデータセット上で、最先端の手法を上回る優れた結果が得られる。
  論文  参考訳（メタデータ） (2023-09-20T08:34:38Z)
• SegNetr: Rethinking the local-global interactions and skip connections in U-shaped networks [1.121518046252855]
  U字型ネットワークは、シンプルで調整が容易な構造のため、医療画像セグメンテーションの分野を支配してきた。 我々は任意の段階で動的に局所的・局所的相互作用を行なえる新しいSegNetrブロックを導入する。 59%と76%のパラメータとGFLOPがバニラU-Netより少ない4つの主流医療画像セグメンテーションデータセットに対するSegNetrの有効性を検証した。
  論文  参考訳（メタデータ） (2023-07-06T12:39:06Z)
• Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
  本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。 エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。 提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
  論文  参考訳（メタデータ） (2023-06-08T06:15:17Z)
• Object Segmentation by Mining Cross-Modal Semantics [68.88086621181628]
  マルチモーダル特徴の融合と復号を導くために,クロスモーダル・セマンティックスをマイニングする手法を提案する。 具体的には,(1)全周減衰核融合(AF),(2)粗大デコーダ(CFD),(3)多層自己超越からなる新しいネットワークXMSNetを提案する。
  論文  参考訳（メタデータ） (2023-05-17T14:30:11Z)
• Towards Diverse Binary Segmentation via A Simple yet General Gated Network [71.19503376629083]
  本稿では,バイナリセグメンテーションタスクに対処するシンプルな汎用ネットワーク(GateNet)を提案する。 多段ゲートユニットの助けを借りて、エンコーダからの貴重なコンテキスト情報をデコーダに選択的に送信することができる。 我々は,アトーラスの畳み込みを改善し,新規な折り畳み畳み畳み畳み畳み込みを形成する「Fold」操作を導入した。
  論文  参考訳（メタデータ） (2023-03-18T11:26:36Z)
• MA-Unet: An improved version of Unet based on multi-scale and attention mechanism for medical image segmentation [4.082245106486775]
  畳み込みニューラルネットワーク(CNN)は、医用画像セマンティックセグメンテーションの開発を促進する。 本稿では,アテンションゲート(AG)を追加し,スキップ接続操作における意味的曖昧さを解消する。 本モデルでは,より少ないパラメータを導入しながら,セグメンテーション性能が向上する。
  論文  参考訳（メタデータ） (2020-12-20T15:29:18Z)
• Self-Expressing Autoencoders for Unsupervised Spoken Term Discovery [37.36402108843216]
  教師なし音声用語発見は、音響セグメント境界の発見と、同じラベルで音響的に類似したセグメントのラベル付けという2つのタスクからなる。 フレーム特徴ベクトルはセグメント間よりもセグメント内で類似しているという仮定に基づいてセグメント化を行う。 自己表現型オートエンコーダフレームワークでこれを実現する。
  論文  参考訳（メタデータ） (2020-07-26T00:04:17Z)
• Motion-Attentive Transition for Zero-Shot Video Object Segmentation [99.44383412488703]
  ゼロショットオブジェクトセグメンテーションのためのモーション・アテンタティブ・トランジション・ネットワーク(MATNet)を提案する。 モーション・アテンティブ・トランジション (MAT) と呼ばれる非対称のアテンションブロックは、2ストリームエンコーダ内に設計されている。 このように、エンコーダは深く相互に作用し、物体の動きと外観の間の密な階層的な相互作用を可能にする。
  論文  参考訳（メタデータ） (2020-03-09T16:58:42Z)

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。