論文の概要: SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere
Representation and Center Points Matching
- arxiv url: http://arxiv.org/abs/2104.05215v1
- Date: Mon, 12 Apr 2021 05:51:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-13 14:09:03.655608
- Title: SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere
Representation and Center Points Matching
- Title（参考訳）: SCPM-Net:球表現と中心点マッチングを用いたアンカーフリー3次元肺結節検出ネットワーク
- Authors: Xiangde Luo, Tao Song, Guotai Wang, Jieneng Chen, Yinan Chen, Kang Li,
Dimitris N. Metaxas and Shaoting Zhang
- Abstract要約: 3次元球面表現に基づく中心点マッチング検出ネットワーク(SCPM-Net)を提案する。
アンカーフリーで、nodule/anchorパラメータを手動で設計することなく、nodulesの位置、半径、オフセットを自動的に予測する。
提案するSCPM-Netフレームワークは,既存のアンカーベースおよびアンカーフリーの肺結節検出法と比較して,優れた性能を示すことを示す。
- 参考スコア（独自算出の注目度）: 47.79483848496141
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Automatic and accurate lung nodule detection from 3D Computed Tomography
scans plays a vital role in efficient lung cancer screening. Despite the
state-of-the-art performance obtained by recent anchor-based detectors using
Convolutional Neural Networks, they require predetermined anchor parameters
such as the size, number, and aspect ratio of anchors, and have limited
robustness when dealing with lung nodules with a massive variety of sizes. We
propose a 3D sphere representation-based center-points matching detection
network (SCPM-Net) that is anchor-free and automatically predicts the position,
radius, and offset of nodules without the manual design of nodule/anchor
parameters. The SCPM-Net consists of two novel pillars: sphere representation
and center points matching. To mimic the nodule annotation in clinical
practice, we replace the conventional bounding box with the newly proposed
bounding sphere. A compatible sphere-based intersection over-union loss
function is introduced to train the lung nodule detection network stably and
efficiently.We empower the network anchor-free by designing a positive
center-points selection and matching (CPM) process, which naturally discards
pre-determined anchor boxes. An online hard example mining and re-focal loss
subsequently enable the CPM process more robust, resulting in more accurate
point assignment and the mitigation of class imbalance. In addition, to better
capture spatial information and 3D context for the detection, we propose to
fuse multi-level spatial coordinate maps with the feature extractor and combine
them with 3D squeeze-and-excitation attention modules. Experimental results on
the LUNA16 dataset showed that our proposed SCPM-Net framework achieves
superior performance compared with existing used anchor-based and anchor-free
methods for lung nodule detection.
- Abstract（参考訳）: 3次元CTによる肺結節の自動検出は肺がん検診において重要な役割を担っている。
畳み込みニューラルネットワークを用いた最近のアンカーベース検出器による最先端性能にもかかわらず、アンカーのサイズ、数、アスペクト比などの所定のアンカーパラメータが必要であり、肺結節を多種多様な大きさで扱う場合の堅牢性は限られている。
本研究では,3次元球面表現に基づく中心点マッチング検出ネットワーク(SCPM-Net)を提案する。
scpm-net は球面表現と中心点マッチングという2つの新しい柱からなる。
臨床における結節アノテーションを模倣するために,従来の結節ボックスを新たに提案する結節球に置き換える。
本研究では, 肺結節検出ネットワークを安定かつ効率的に訓練するために, 相反する球面型交叉切断機能を導入し, 予め決定されたアンカーボックスを自然に破棄する正中心点選択マッチング(CPM)プロセスの設計により, ネットワークアンカーフリーを向上する。
オンラインのハードサンプルマイニングと再焦点損失により、CPMプロセスはより堅牢になり、より正確なポイント割り当てとクラス不均衡の緩和をもたらす。
さらに,検出のための空間情報と3Dコンテキストをよりよく把握するために,特徴抽出器と多層空間座標マップを融合し,これらを3D圧縮・励起アテンションモジュールと組み合わせることを提案する。
肺結節検出のための既存のアンカーベースおよびアンカーフリー法と比較して,提案したSCPM-Netフレームワークは優れた性能を示した。
関連論文リスト
- DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。
フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文 参考訳（メタデータ） (2024-06-05T06:18:03Z) - UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。
我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。
Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
論文 参考訳（メタデータ） (2022-12-08T18:59:57Z) - LSSANet: A Long Short Slice-Aware Network for Pulmonary Nodule Detection [38.92730845107276]
肺結節検出のための長短スライス・アウェア・ネットワーク(LSSANet)を提案する。
特に、長短スライスグループ(LSSG)と呼ばれる新しい非局所的なメカニズムを開発する。
これにより計算負担が軽減されるだけでなく、スライスにまたがる任意の要素間の長距離依存関係も維持される。
論文 参考訳（メタデータ） (2022-08-03T14:57:42Z) - The KFIoU Loss for Rotated Object Detection [115.334070064346]
本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。
具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。
KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
論文 参考訳（メタデータ） (2022-01-29T10:54:57Z) - LiDAR Point--to--point Correspondences for Rigorous Registration of
Kinematic Scanning in Dynamic Networks [0.0]
本稿では,LiDAR点雲の登録を改善するための新しい軌道調整手法を提案する。
本稿では、新しい観測モデルとして、動的ネットワークにどのように挿入されるか、および対応を選択する方法について述べる。
次に、低コストMEMS慣性センサを用いた実用的な空中レーザー走査シナリオにおける提案手法の性能評価実験について述べる。
論文 参考訳（メタデータ） (2022-01-03T11:53:55Z) - FDA: Feature Decomposition and Aggregation for Robust Airway
Segmentation [28.880817101034715]
クリーン領域とノイズ領域の変動に対処する新しいデュアルストリームネットワークを提案する。
トランスファー可能なクリーンな特徴とノイズの多い特徴を別々に抽出する2つの異なるエンコーダを設計した。
ノイズCTでは, 気管支の分画が良好であった。
論文 参考訳（メタデータ） (2021-09-07T08:16:51Z) - DAAIN: Detection of Anomalous and Adversarial Input using Normalizing
Flows [52.31831255787147]
我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。
本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。
当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
論文 参考訳（メタデータ） (2021-05-30T22:07:13Z) - 3D Axial-Attention for Lung Nodule Classification [0.11458853556386794]
通常の非ローカルネットワークの計算能力のほんの一部を必要とする3D Axial-Attentionを使用することを提案する。
非局所ネットワークの位置不変問題を,共有埋め込みに3次元位置符号化を加えることを提案する。
その結果、3D Axial-Attentionモデルは、AUCやAccuracyを含むすべての評価指標で最先端のパフォーマンスを実現します。
論文 参考訳（メタデータ） (2020-12-28T06:49:09Z) - Spherical Interpolated Convolutional Network with Distance-Feature
Density for 3D Semantic Segmentation of Point Clouds [24.85151376535356]
従来のグリッド形状の3次元畳み込み演算子を置き換えるために,球面補間畳み込み演算子を提案する。
提案手法は,ScanNetデータセットとParis-Lille-3Dデータセットで良好な性能を示す。
論文 参考訳（メタデータ） (2020-11-27T15:35:12Z) - Reinforced Axial Refinement Network for Monocular 3D Object Detection [160.34246529816085]
モノクロ3次元物体検出は、2次元入力画像から物体の位置と特性を抽出することを目的としている。
従来のアプローチでは、空間から3D境界ボックスをサンプリングし、対象オブジェクトと各オブジェクトの関係を推定するが、有効サンプルの確率は3D空間で比較的小さい。
我々は,まず最初の予測から始めて,各ステップで1つの3dパラメータだけを変えて,基礎的真理に向けて徐々に洗練することを提案する。
これは、いくつかのステップの後に報酬を得るポリシーを設計する必要があるため、最適化するために強化学習を採用します。
論文 参考訳（メタデータ） (2020-08-31T17:10:48Z)
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。