論文の概要: Colorectal Cancer Segmentation using Atrous Convolution and Residual Enhanced UNet

• arxiv url: http://arxiv.org/abs/2103.09289v1
• Date: Tue, 16 Mar 2021 19:20:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-18 13:02:13.345739
• Title: Colorectal Cancer Segmentation using Atrous Convolution and Residual Enhanced UNet
• Title（参考訳）: atrous convolution とextrest enhanced unet を用いた大腸癌の分節化
• Authors: Nisarg A. Shah, Divij Gupta, Romil Lodaya, Ujjwal Baid, and Sanjay Talbar
• Abstract要約: 本研究では,従来のフィルタ以外に,多孔性畳み込みと残存接続を用いたCNN方式を提案する。 提案するatresunetはdice係数0.748の大腸癌分画のための digestpath 2019 challengeデータセットでトレーニングされた。
• 参考スコア（独自算出の注目度）: 0.5353034688884528
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Colorectal cancer is a leading cause of death worldwide. However, early diagnosis dramatically increases the chances of survival, for which it is crucial to identify the tumor in the body. Since its imaging uses high-resolution techniques, annotating the tumor is time-consuming and requires particular expertise. Lately, methods built upon Convolutional Neural Networks(CNNs) have proven to be at par, if not better in many biomedical segmentation tasks. For the task at hand, we propose another CNN-based approach, which uses atrous convolutions and residual connections besides the conventional filters. The training and inference were made using an efficient patch-based approach, which significantly reduced unnecessary computations. The proposed AtResUNet was trained on the DigestPath 2019 Challenge dataset for colorectal cancer segmentation with results having a Dice Coefficient of 0.748.
• Abstract（参考訳）: 大腸癌は世界中で主要な死因である。 しかし、早期診断は生存率を劇的に増加させ、体内の腫瘍を同定することが重要である。 画像は高解像度技術を使っているため、腫瘍に注釈をつけるのに時間がかかり、特別な専門知識を必要とする。 近年、畳み込みニューラルネットワーク(CNN)に基づく手法は、多くのバイオメディカルセグメンテーションタスクでは良くないが、同等であることが証明されている。 そこで本研究では,従来のフィルタの他に有意な畳み込みと残差接続を用いたcnnベースの手法を提案する。 トレーニングと推論は効率的なパッチベースのアプローチで行われ、不要な計算を大幅に削減した。 提案するatresunetはdice係数0.748の大腸癌分画のための digestpath 2019 challengeデータセットでトレーニングされた。

関連論文リスト

• BetterNet: An Efficient CNN Architecture with Residual Learning and Attention for Precision Polyp Segmentation [0.6062751776009752]
  本研究では,ポリプセグメンテーションの精度を高めるために,残差学習と注意法を組み合わせた畳み込みニューラルネットワークアーキテクチャであるBetterNetを提案する。 BetterNetは、ポリープの検出と癌の早期認識を強化するために、コンピュータ支援診断技術を統合することを約束している。
  論文  参考訳（メタデータ） (2024-05-05T21:08:49Z)
• A Novel SLCA-UNet Architecture for Automatic MRI Brain Tumor Segmentation [0.0]
  脳腫瘍は、個人の寿命を減少させる深刻な健康上の合併症の1つである。 脳腫瘍のタイムリーな検出と予測は、脳腫瘍による死亡率の予防に役立つ。 ディープラーニングベースのアプローチは、自動化バイオメディカル画像探索ツールを開発するための有望なソリューションとして登場した。
  論文  参考訳（メタデータ） (2023-07-16T14:06:45Z)
• Prediction of brain tumor recurrence location based on multi-modal fusion and nonlinear correlation learning [55.789874096142285]
  深層学習に基づく脳腫瘍再発位置予測ネットワークを提案する。 まず、パブリックデータセットBraTS 2021上で、マルチモーダル脳腫瘍セグメンテーションネットワークをトレーニングする。 次に、事前訓練されたエンコーダを、リッチなセマンティックな特徴を抽出するために、プライベートデータセットに転送する。 2つのデコーダは、現在の脳腫瘍を共同に分断し、将来の腫瘍再発位置を予測するために構築されている。
  論文  参考訳（メタデータ） (2023-04-11T02:45:38Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• Lung-Originated Tumor Segmentation from Computed Tomography Scan (LOTUS) Benchmark [48.30502612686276]
  肺癌は最も致命的ながんの1つであり、その効果的な診断と治療は腫瘍の正確な悪性度に依存している。 現在最も一般的なアプローチであるHuman-centered segmentationは、サーバ間変動の対象となる。 2018年のVIPカップは、42か国から競争データにアクセスするための世界的な参加から始まった。 簡単に言えば、競争中に提案されたアルゴリズムはすべて、偽陽性還元手法と組み合わせたディープラーニングモデルに基づいている。
  論文  参考訳（メタデータ） (2022-01-03T03:06:38Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Brain Tumor Detection and Classification based on Hybrid Ensemble Classifier [0.6091702876917281]
  本稿では,ランダムフォレスト(RF)とK-ニアレストネイバー(K-Nearest Neighbour)と決定木(DT)を用いたハイブリッドアンサンブル法を提案する。 腫瘍領域の面積を計算し、脳腫瘍を良性および悪性に分類することを目的としている。 提案手法は,トレーニングとテストにそれぞれ85:15で使用される2556画像のデータセット上でテストを行い,97.305%の精度を示す。
  論文  参考訳（メタデータ） (2021-01-01T11:52:29Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)
• SDCT-AuxNet$^{\theta}$: DCT Augmented Stain Deconvolutional CNN with Auxiliary Classifier for Cancer Diagnosis [14.567067583556714]
  急性リンパ性白血病(英語: acute lymphoblastic leukemia,ALL)は、世界中の小児の白血球癌である。 本稿では,all癌細胞像の分類のための新しいディープラーニングアーキテクチャを提案する。 先日公表した15114枚のall癌と健康な細胞のデータセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2020-05-30T16:01:31Z)
• A Novel and Efficient Tumor Detection Framework for Pancreatic Cancer via CT Images [21.627818410241552]
  本稿では,新しい膵腫瘍検出フレームワークを提案する。 提案手法のコントリビューションは,Augmented Feature Pyramid Network,Self-Adaptive Feature Fusion,Dependencies Computation Moduleの3つのコンポーネントから構成される。 実験により,AUCの0.9455による検出において,他の最先端手法よりも優れた性能が得られた。
  論文  参考訳（メタデータ） (2020-02-11T15:48:22Z)

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。