論文の概要: CovTANet: A Hybrid Tri-level Attention Based Network for Lesion Segmentation, Diagnosis, and Severity Prediction of COVID-19 Chest CT Scans

• arxiv url: http://arxiv.org/abs/2101.00691v1
• Date: Sun, 3 Jan 2021 19:24:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-12 11:35:23.255329
• Title: CovTANet: A Hybrid Tri-level Attention Based Network for Lesion Segmentation, Diagnosis, and Severity Prediction of COVID-19 Chest CT Scans
• Title（参考訳）: CovTANet:COVID-19胸部CTスキャンの病変分割、診断、重症度予測のためのハイブリッド三段階注意型ネットワーク
• Authors: Tanvir Mahmud, Md. Jahin Alam, Sakib Chowdhury, Shams Nafisa Ali, Md Maisoon Rahman, Shaikh Anowarul Fattah, Mohammad Saquib
• Abstract要約: CovTANetと呼ばれるハイブリッドニューラルネットワークが提案され、早期診断、病変分割、およびCOVID-19の重症度予測のためのエンドツーエンドの臨床診断ツールを提供する。 ネットワーク上で繰り返し利用され,チャネル,空間,ピクセルの注意方式を組み合わせた,新たな三段階注意機構が導入された。 大規模な公開データセットの広範な実験を通じて、すべての3つのタスクで優れたパフォーマンスが達成されています。
• 参考スコア（独自算出の注目度）: 1.8287426976997025
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rapid and precise diagnosis of COVID-19 is one of the major challenges faced by the global community to control the spread of this overgrowing pandemic. In this paper, a hybrid neural network is proposed, named CovTANet, to provide an end-to-end clinical diagnostic tool for early diagnosis, lesion segmentation, and severity prediction of COVID-19 utilizing chest computer tomography (CT) scans. A multi-phase optimization strategy is introduced for solving the challenges of complicated diagnosis at a very early stage of infection, where an efficient lesion segmentation network is optimized initially which is later integrated into a joint optimization framework for the diagnosis and severity prediction tasks providing feature enhancement of the infected regions. Moreover, for overcoming the challenges with diffused, blurred, and varying shaped edges of COVID lesions with novel and diverse characteristics, a novel segmentation network is introduced, namely Tri-level Attention-based Segmentation Network (TA-SegNet). This network has significantly reduced semantic gaps in subsequent encoding decoding stages, with immense parallelization of multi-scale features for faster convergence providing considerable performance improvement over traditional networks. Furthermore, a novel tri-level attention mechanism has been introduced, which is repeatedly utilized over the network, combining channel, spatial, and pixel attention schemes for faster and efficient generalization of contextual information embedded in the feature map through feature re-calibration and enhancement operations. Outstanding performances have been achieved in all three-tasks through extensive experimentation on a large publicly available dataset containing 1110 chest CT-volumes that signifies the effectiveness of the proposed scheme at the current stage of the pandemic.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)の迅速かつ正確な診断は、世界的なコミュニティがこの拡大するパンデミックの広がりを制御するために直面する大きな課題の1つだ。 本稿では,胸部ctスキャンを用いた新型コロナウイルスの早期診断,病変分節化,重症度予測のためのエンドツーエンド臨床診断ツールとして,covtanetというハイブリッドニューラルネットワークを提案する。 感染の極めて早い段階で複雑な診断の課題を解決するために多相最適化戦略を導入し、最初に効率的な病変分割ネットワークを最適化し、後に、感染領域の特徴強化を提供する診断および重症度予測タスクのための統合最適化フレームワークに統合する。 さらに, びまん性, ぼやけ性, 多様な病巣の縁が新しく多様な特徴を持つ課題を克服するために, 新たなセグメンテーションネットワークであるtri-level attention-based segmentation network (ta-segnet) を導入した。 このネットワークは、後続の符号化復号段階における意味的ギャップを著しく減らし、従来のネットワークよりも性能が大幅に向上する。 さらに,特徴マップに埋め込まれた文脈情報の高速かつ効率的な一般化のために,チャネル,空間,ピクセルの注意スキームを組み合わせることで,ネットワーク上で繰り返し利用する新たな3レベル注意機構が導入された。 パンデミックの現段階における提案手法の有効性を示す胸部ctデータ110点を含む大規模データセットの大規模な実験により,3つの課題すべてにおいて優れた性能が達成されている。

関連論文リスト

• MDFI-Net: Multiscale Differential Feature Interaction Network for Accurate Retinal Vessel Segmentation [3.152646316470194]
  本稿では,MDFI-Net という DPCN に基づく機能拡張型インタラクションネットワークを提案する。 提案したMDFI-Netは,公開データセットの最先端手法よりもセグメンテーション性能が優れている。
  論文  参考訳（メタデータ） (2024-10-20T16:42:22Z)
• Prototype Learning Guided Hybrid Network for Breast Tumor Segmentation in DCE-MRI [58.809276442508256]
  本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマー層を組み合わせたハイブリッドネットワークを提案する。 プライベートおよびパブリックなDCE-MRIデータセットの実験結果から,提案したハイブリッドネットワークは最先端の手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-08-11T15:46:00Z)
• Enhancing Weakly Supervised 3D Medical Image Segmentation through Probabilistic-aware Learning [52.249748801637196]
  3次元医用画像のセグメンテーションは、疾患の診断と治療計画に重要な意味を持つ課題である。 近年の深層学習の進歩は、完全に教師付き医療画像のセグメンテーションを著しく強化している。 本稿では,3次元医用画像に特化して設計された,確率的適応型弱教師付き学習パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-03-05T00:46:53Z)
• Mixed Attention with Deep Supervision for Delineation of COVID Infection in Lung CT [0.24366811507669117]
  新しい深層学習アーキテクチャであるMiADS-Net(Mixed Attention Deeply Supervised Network)を提案する。 MiADS-Netは、COVID-19病変のセグメンテーションタスクにおいて、最先端のアーキテクチャよりも優れています。
  論文  参考訳（メタデータ） (2023-01-17T15:36:27Z)
• 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)
• 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)
• Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection Segmentation System [69.40329819373954]
  新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。 現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。 本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
  論文  参考訳（メタデータ） (2022-09-07T05:01:38Z)
• COVID-Net CT-S: 3D Convolutional Neural Network Architectures for COVID-19 Severity Assessment using Chest CT Images [85.00197722241262]
  我々は、新型コロナウイルス感染による肺疾患の重症度を予測するための深層畳み込みニューラルネットワークであるCOVID-Net CT-Sを紹介した。 3D残像設計を利用して、新型コロナウイルスの肺疾患の重症度を特徴付ける容積的視覚指標を学習する。
  論文  参考訳（メタデータ） (2021-05-04T04:44:41Z)
• CHS-Net: A Deep learning approach for hierarchical segmentation of COVID-19 infected CT images [0.6091702876917281]
  新型重症急性呼吸器症候群(SARS-CoV-2)のパンデミックが世界中で広がっています。 CT(Computerd Tomography)、X線などの医療画像は、臓器の構造に関する優れた詳細を提示することにより、患者の診断に重要な役割を果たします。 ディープラーニング技術は、新型コロナウイルスなどの疾患やウイルスの迅速な診断を支援するために、そのようなスキャンを分析する強みを示しています。
  論文  参考訳（メタデータ） (2020-12-13T15:02:05Z)
• 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。