Fugu-MT 論文翻訳(概要): Pyramid-Focus-Augmentation: Medical Image Segmentation with Step-Wise Focus

論文の概要: Pyramid-Focus-Augmentation: Medical Image Segmentation with Step-Wise Focus

arxiv url: http://arxiv.org/abs/2012.07430v1
Date: Mon, 14 Dec 2020 11:34:29 GMT
ステータス: 処理完了
システム内更新日: 2021-05-09 01:52:43.627423
Title: Pyramid-Focus-Augmentation: Medical Image Segmentation with Step-Wise Focus
Title（参考訳）: ピラミッド-フォーカス強化:ステップワイズフォーカスによる医用画像分割
Authors: Vajira Thambawita, Steven Hicks, P{\aa}l Halvorsen, Michael A. Riegler
Abstract要約: 本論文では,グリッドをピラミッド状に分割した増分法を用いた簡便かつ効率的なアイデアを提案する。その結果,提案手法はインデントとして動作し,他の手法と競合する場合と同等の結果が得られることがわかった。
参考スコア（独自算出の注目度）: 0.6372261626436676
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Segmentation of findings in the gastrointestinal tract is a challenging but also an important task which is an important building stone for sufficient automatic decision support systems. In this work, we present our solution for the Medico 2020 task, which focused on the problem of colon polyp segmentation. We present our simple but efficient idea of using an augmentation method that uses grids in a pyramid-like manner (large to small) for segmentation. Our results show that the proposed methods work as indented and can also lead to comparable results when competing with other methods.
Abstract（参考訳）: 消化管所見の分節化は困難であるが重要な課題であり,十分な自動決定支援システムの構築に重要な役割を担っている。本研究では,大腸ポリープ分節の問題に焦点をあてた,2020年のメディコ課題に対する解決策を提案する。本稿では,ピラミッド状(大小から小)のグリッドをセグメンテーションに使用する拡張法について,単純かつ効率的なアイデアを提案する。その結果,提案手法はインデントとして動作し,他の手法と競合する場合と同等の結果が得られることがわかった。

関連論文リスト

Effective Segmentation of Post-Treatment Gliomas Using Simple Approaches: Artificial Sequence Generation and Ensemble Models [7.352034931666381]
本稿では,深層学習手法のセグメンテーション性能を高めるための2つの手法を提案する。まず、利用可能なMRIシーケンスの単純な線形結合に基づく追加入力を組み込む。第二に、モデルのバッテリの寄与を測るために様々なアンサンブル手法を用いる。
論文参考訳（メタデータ） (2024-09-12T15:34:31Z)
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)
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)
Adaptive Semi-Supervised Segmentation of Brain Vessels with Ambiguous Labels [63.415444378608214]
提案手法は, 進歩的半教師付き学習, 適応的学習戦略, 境界拡張など, 革新的な手法を取り入れたものである。 3DRAデータセットによる実験結果から,メッシュベースのセグメンテーション指標を用いて,本手法の優位性を示す。
論文参考訳（メタデータ） (2023-08-07T14:16:52Z)
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)
Toward Unpaired Multi-modal Medical Image Segmentation via Learning Structured Semantic Consistency [24.78258331561847]
本稿では,異なるモダリティの相互利益を学習し,不自由な医療画像に対してより良いセグメンテーション結果を得るための新しい手法を提案する。我々は、慎重に設計された外部注意モジュール(EAM)を利用して、セマンティッククラス表現とそれらの異なるモダリティの相関を調整します。提案手法の有効性を2つの医療画像セグメンテーションシナリオで実証した。
論文参考訳（メタデータ） (2022-06-21T17:50:29Z)
Histogram of Oriented Gradients Meet Deep Learning: A Novel Multi-task Deep Network for Medical Image Semantic Segmentation [18.066680957993494]
医用画像セグメンテーションのための深層マルチタスク学習法を提案する。教師なしの方法で補助作業の擬似ラベルを生成する。本手法は, 対数部法と比較して連続的に性能を向上する。
論文参考訳（メタデータ） (2022-04-02T23:50:29Z)
Left Ventricle Contouring in Cardiac Images Based on Deep Reinforcement Learning [0.12891210250935145]
本稿では,エージェント強化学習に基づく医用画像のインタラクティブセグメンテーション手法を提案する。我々は,ある順序で対象輪郭を描画する動的過程を,深い強化学習法に基づくマルコフ決定過程(MDP)としてモデル化する。実験の結果, 少数の医用画像データセットにおいて, 左室のセグメンテーション効果は良好であった。
論文参考訳（メタデータ） (2021-06-08T06:30:32Z)
Cutting-edge 3D Medical Image Segmentation Methods in 2020: Are Happy Families All Alike? [9.247774141419134]
本稿では,2020年における3次元医用画像セグメンテーション課題の上位10項目について概観する。最先端セグメンテーション手法における「幸福な家族」の実践は,強力なセグメンテーション手法の開発に有用である。我々は将来解決すべきオープンリサーチの問題について議論する。
論文参考訳（メタデータ） (2021-01-01T13:39:26Z)
Towards Cross-modality Medical Image Segmentation with Online Mutual Knowledge Distillation [71.89867233426597]
本稿では,あるモダリティから学習した事前知識を活用し,別のモダリティにおけるセグメンテーション性能を向上させることを目的とする。モーダル共有知識を徹底的に活用する新しい相互知識蒸留法を提案する。 MMWHS 2017, MMWHS 2017 を用いた多クラス心筋セグメンテーション実験の結果, CT セグメンテーションに大きな改善が得られた。
論文参考訳（メタデータ） (2020-10-04T10:25:13Z)
Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
論文参考訳（メタデータ） (2020-03-23T14:35:08Z)

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。