Fugu-MT 論文翻訳(概要): BEFD: Boundary Enhancement and Feature Denoising for Vessel Segmentation

論文の概要: BEFD: Boundary Enhancement and Feature Denoising for Vessel Segmentation

arxiv url: http://arxiv.org/abs/2104.03768v1
Date: Thu, 8 Apr 2021 13:44:47 GMT
ステータス: 処理完了
システム内更新日: 2021-04-09 12:53:55.676970
Title: BEFD: Boundary Enhancement and Feature Denoising for Vessel Segmentation
Title（参考訳）: befd: 血管分割のための境界拡張と特徴分断
Authors: Mo Zhang, Fei Yu, Jie Zhao, Li Zhang, Quanzheng Li
Abstract要約: セマンティックセグメンテーションにおける境界情報抽出のネットワーク機能を容易にするため,BEFD(Boundary Enhancement and Feature Denoising)モジュールを提案する。ソベルエッジディテクタの導入により、ネットワークは追加のエッジを事前に取得できるため、医療画像セグメンテーションの監視されていない方法で境界を強化することができます。
参考スコア（独自算出の注目度）: 15.386077363312372
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Blood vessel segmentation is crucial for many diagnostic and research applications. In recent years, CNN-based models have leaded to breakthroughs in the task of segmentation, however, such methods usually lose high-frequency information like object boundaries and subtle structures, which are vital to vessel segmentation. To tackle this issue, we propose Boundary Enhancement and Feature Denoising (BEFD) module to facilitate the network ability of extracting boundary information in semantic segmentation, which can be integrated into arbitrary encoder-decoder architecture in an end-to-end way. By introducing Sobel edge detector, the network is able to acquire additional edge prior, thus enhancing boundary in an unsupervised manner for medical image segmentation. In addition, we also utilize a denoising block to reduce the noise hidden in the low-level features. Experimental results on retinal vessel dataset and angiocarpy dataset demonstrate the superior performance of the new BEFD module.
Abstract（参考訳）: 血管のセグメンテーションは多くの診断や研究用途に不可欠である。近年、CNNベースのモデルではセグメンテーションの課題が突破されてきているが、そのような手法は通常、船体セグメンテーションに不可欠なオブジェクト境界や微妙な構造といった高周波情報を失う。この問題に対処するため,我々は,終端から終端にかけて任意のエンコーダ・デコーダ・アーキテクチャに統合可能な意味セグメンテーションにおける境界情報を抽出するネットワーク能力を容易にするために,境界拡張と特徴分断(befd)モジュールを提案する。 Sobelエッジ検出器を導入することで、ネットワークは事前に追加のエッジを取得することができ、医用画像セグメンテーションのための教師なしの方法で境界を拡張できる。さらに,低レベルの特徴に隠された雑音を低減するために,雑音ブロックを用いる。網膜血管データセットと血管柄付きデータセットの実験結果は,新しいBEFDモジュールの優れた性能を示す。

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)
Coarse-to-Fine Proposal Refinement Framework for Audio Temporal Forgery Detection and Localization [60.899082019130766]
本稿では、フレームレベル検出ネットワーク(FDN)と、音声の時間的偽造検出とローカライゼーションのための改良ネットワーク(PRN)を提案する。 FDNは、偽のフレーム間で情報的不整合の手がかりを抽出し、偽の領域を大まかに示すのに有用な識別的特徴を得る。 PRNは、FDNから派生した粗粒度の提案を洗練するために、信頼スコアと回帰オフセットを予測する責任がある。
論文参考訳（メタデータ） (2024-07-23T15:07:52Z)
AWGUNET: Attention-Aided Wavelet Guided U-Net for Nuclei Segmentation in Histopathology Images [26.333686941245197]
本稿では,U-NetアーキテクチャとDenseNet-121バックボーンを組み合わせたセグメンテーション手法を提案する。本モデルでは,ウェーブレット誘導チャネルアテンションモジュールを導入し,セル境界のデライン化を促進させる。その結果,Mouseg と TNBC の2つの病理組織学的データセットを用いて,提案モデルの優位性を実証した。
論文参考訳（メタデータ） (2024-06-12T17:10:27Z)
DiffVein: A Unified Diffusion Network for Finger Vein Segmentation and Authentication [50.017055360261665]
DiffVeinは、静脈分割と認証タスクを同時に処理する統合拡散モデルベースのフレームワークである。これら2つのブランチ間の機能相互作用を改善するために,2つの特別なモジュールを導入する。このようにして、我々のフレームワークは拡散とセグメンテーションの埋め込みの間の動的相互作用を可能にする。
論文参考訳（メタデータ） (2024-02-03T06:49:42Z)
Feature Enhancer Segmentation Network (FES-Net) for Vessel Segmentation [19.455350961592742]
本稿では,画像強調ステップを必要とせずに正確な画素分割を実現する機能拡張セグメンテーションネットワーク(FES-Net)を提案する。 FES-Netは入力画像を直接処理し、ダウンサンプリング中に4つのプロンプト畳み込みブロック(PCB)を利用する。 DRIVE, STARE, CHASE, HRFの4つの公開技術データセット上でのFES-Netの性能を評価する。
論文参考訳（メタデータ） (2023-09-07T07:46:46Z)
DermoSegDiff: A Boundary-aware Segmentation Diffusion Model for Skin Lesion Delineation [3.9548535445908928]
本稿では,皮膚病変分類のための新しいフレームワークであるDermoSegDiffを提案する。提案手法では,トレーニング中に境界線を優先する新たな損失関数を導入し,他の領域の重要度を徐々に低減する。また,ネットワーク内のノイズやセマンティック情報を巧みに統合する,U-Netベースの新しい denoising ネットワークも導入する。
論文参考訳（メタデータ） (2023-08-05T22:12:01Z)
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)
Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文参考訳（メタデータ） (2022-09-05T16:38:13Z)
Weakly-supervised Learning For Catheter Segmentation in 3D Frustum Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文参考訳（メタデータ） (2020-10-19T13:56:22Z)
Boundary-aware Context Neural Network for Medical Image Segmentation [15.585851505721433]
医用画像のセグメンテーションは、さらなる臨床分析と疾患診断のための信頼性の高い基盤を提供することができる。既存のCNNベースのほとんどの手法は、正確なオブジェクト境界のない不満足なセグメンテーションマスクを生成する。本稿では,2次元医用画像分割のための境界認識コンテキストニューラルネットワーク(BA-Net)を定式化する。
論文参考訳（メタデータ） (2020-05-03T02:35:49Z)
ADRN: Attention-based Deep Residual Network for Hyperspectral Image Denoising [52.01041506447195]
ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
論文参考訳（メタデータ） (2020-03-04T08:36:27Z)

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。