Fugu-MT 論文翻訳(概要): COTR: Convolution in Transformer Network for End to End Polyp Detection

論文の概要: COTR: Convolution in Transformer Network for End to End Polyp Detection

arxiv url: http://arxiv.org/abs/2105.10925v1
Date: Sun, 23 May 2021 12:36:48 GMT
ステータス: 処理完了
システム内更新日: 2021-05-25 15:14:32.683732
Title: COTR: Convolution in Transformer Network for End to End Polyp Detection
Title（参考訳）: COTR: Convolution in Transformer Network for End to End Polyp Detection
Authors: Zhiqiang Shen, Chaonan Lin, Shaohua Zheng
Abstract要約: 大腸癌は世界で2番目に多い死因である。ポリープ検出のためのコンピュータ支援診断(CAD)は、人的ミスや人的負担を軽減する可能性がある。終端ポリープ検出のためのコンボリュータ(COTR)ネットワークを提案する。
参考スコア（独自算出の注目度）: 15.212855830413089
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Purpose: Colorectal cancer (CRC) is the second most common cause of cancer mortality worldwide. Colonoscopy is a widely used technique for colon screening and polyp lesions diagnosis. Nevertheless, manual screening using colonoscopy suffers from a substantial miss rate of polyps and is an overwhelming burden for endoscopists. Computer-aided diagnosis (CAD) for polyp detection has the potential to reduce human error and human burden. However, current polyp detection methods based on object detection framework need many handcrafted pre-processing and post-processing operations or user guidance that require domain-specific knowledge. Methods: In this paper, we propose a convolution in transformer (COTR) network for end-to-end polyp detection. Motivated by the detection transformer (DETR), COTR is constituted by a CNN for feature extraction, transformer encoder layers interleaved with convolutional layers for feature encoding and recalibration, transformer decoder layers for object querying, and a feed-forward network for detection prediction. Considering the slow convergence of DETR, COTR embeds convolution layers into transformer encoder for feature reconstruction and convergence acceleration. Results: Experimental results on two public polyp datasets show that COTR achieved 91.49\% precision, 82.69% sensitivity, and 86.87% F1-score on the ETIS-LARIB, and 91.67% precision, 93.54% sensitivity, and 92.60% F1-score on the CVC-ColonDB. Conclusion: This study proposed an end to end detection method based on detection transformer for colorectal polyp detection. Experimental results on ETIS-LARIB and CVC-ColonDB dataset demonstrated that the proposed model achieved comparable performance against state-of-the-art methods.
Abstract（参考訳）: 目的:大腸癌(CRC)は世界で2番目に多いがん死亡の原因である。大腸内視鏡は大腸スクリーニングやポリープ病変の診断に広く用いられている。それでも大腸内視鏡による手動検診はポリープのかなりのミス率に悩まされており、内視鏡医にとって圧倒的な負担となっている。ポリープ検出のためのコンピュータ支援診断(CAD)は、人的ミスや人的負担を軽減する可能性がある。しかし、オブジェクト検出フレームワークに基づく現在のポリプ検出方法は、多くの手作り前処理と後処理操作、ドメイン固有の知識を必要とするユーザーガイダンスを必要とする。方法: 本論文では, 終端ポリプ検出のための変換器ネットワーク(COTR)の畳み込みを提案する。検出変換器(DETR)によりモチベーションされたCOTRは、特徴抽出用CNN、特徴符号化および再校正用畳み込み層にインターリーブされたトランスフォーマー層、オブジェクトクエリ用トランスフォーマー層、および検出予測用フィードフォワードネットワークによって構成される。 DETRの緩やかな収束を考えると、COTRはコンボリューション層をトランスフォーマーエンコーダに埋め込み、特徴再構成と収束加速を行う。結果: 2つのポリープデータセットにおける実験結果から, cotr は 91.49\% 精度, 82.69% 感度, 86.87% score を etis-larib で達成し, 91.67% 精度, 93.54% 感度, 92.60% f1-score を cvc-colondb で達成した。結論:本研究では,大腸ポリープ検出のための検出トランスを用いたエンドツーエンド検出手法を提案する。 ETIS-LARIBとCVC-ColonDBデータセットの実験結果から,提案モデルが最先端手法と同等の性能を示した。

関連論文リスト

ECC-PolypDet: Enhanced CenterNet with Contrastive Learning for Automatic Polyp Detection [88.4359020192429]
既存の手法では、計算コストのかかるコンテキストアグリゲーションが伴うか、ポリープの事前モデリングが欠如しているため、難解なケースでは性能が低下する。本稿では,2段階のトレーニングとエンドツーエンド推論フレームワークである Enhanced CenterNet with Contrastive Learning (ECC-PolypDet) を提案する。 Box-assisted Contrastive Learning (BCL) は, クラス内差を最小限に抑え, 前庭ポリープと背景のクラス間差を最大化するため, 隠れポリープを捕捉する。微調整段階におけるIoU誘導サンプル再重み付けの導入
論文参考訳（メタデータ） (2024-01-10T07:03:41Z)
TransNetR: Transformer-based Residual Network for Polyp Segmentation with Multi-Center Out-of-Distribution Testing [2.3293678240472517]
大腸ポリープ分割のためのトランスフォーマーを用いたResidual Network(TransNetR)を提案する。 TransNetRは、トレーニング済みのResNet50をエンコーダとして、3つのデコーダブロックと、ネットワークの終端にあるアップサンプリング層で構成されるエンコーダ・デコーダネットワークである。高いダイス係数は0.8706、平均インターセクションは0.8016であり、Kvasir-SEGデータセット上でのリアルタイム処理速度は54.60である。
論文参考訳（メタデータ） (2023-03-13T19:11:17Z)
Efficient Decoder-free Object Detection with Transformers [75.00499377197475]
視覚変換器(ViT)は、物体検出アプローチのランドスケープを変化させている。本稿では,デコーダフリー完全トランス(DFFT)オブジェクト検出器を提案する。 DFFT_SMALLは、トレーニングおよび推論段階で高い効率を達成する。
論文参考訳（メタデータ） (2022-06-14T13:22:19Z)
Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文参考訳（メタデータ） (2021-12-18T14:17:49Z)
CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文参考訳（メタデータ） (2021-11-16T15:03:42Z)
Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文参考訳（メタデータ） (2021-10-27T19:28:36Z)
AG-CUResNeSt: A Novel Method for Colon Polyp Segmentation [0.0]
本稿では、ロバストなResNeStバックボーンとアテンションゲートを用いて結合ユニセットを強化するAG-CUResNeStと呼ばれる新しいニューラルネットワークアーキテクチャを提案する。提案手法は既存手法と比較して最先端の精度を実現する。
論文参考訳（メタデータ） (2021-05-02T06:36:36Z)
DDANet: Dual Decoder Attention Network for Automatic Polyp Segmentation [0.3734402152170273]
本稿では,デュアルデコーダアテンションネットワークに基づくDDANet'という新しいアーキテクチャを提案する。実験では、Kvasir-SEGデータセットで訓練され、見えないデータセットでテストされたモデルは、0.7874のダイス係数、0.7010のmIoU、0.7987のリコール、0.8577の精度を達成した。
論文参考訳（メタデータ） (2020-12-30T17:52:35Z)
A Deep Convolutional Neural Network for the Detection of Polyps in Colonoscopy Images [12.618653234201089]
大腸内視鏡画像中のポリープをコンピュータで検出するディープ畳み込みニューラルネットワークモデルを提案する。光度計や幾何歪みなどのデータ拡張技術は、ポリープ検出で直面する障害を克服するために適応される。
論文参考訳（メタデータ） (2020-08-15T13:55:44Z)
PraNet: Parallel Reverse Attention Network for Polyp Segmentation [155.93344756264824]
大腸内視鏡画像の高精度なポリープ分割のための並列リバースアテンションネットワーク(PraNet)を提案する。並列部分復号器(PPD)を用いて,まず高層層に特徴を集約する。さらに,エリアとバウンダリの関連性を確立するために,リバースアテンション(RA)モジュールを用いて境界キューをマイニングする。
論文参考訳（メタデータ） (2020-06-13T08:13:43Z)
Colorectal Polyp Segmentation by U-Net with Dilation Convolution [9.840695333927496]
大腸癌(英:Colorectal cancer, CRC)は、アメリカ合衆国で最も一般的に診断されるがんの1つであり、がん死の原因となっている。現在最も一般的な大腸ポリープ検出法は大腸内視鏡である。大腸ポリープセグメンテーションのための新しいエンドツーエンドディープラーニングフレームワークを提案する。
論文参考訳（メタデータ） (2019-12-26T23:27:18Z)

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。