論文の概要: A Multi-Branch Hybrid Transformer Networkfor Corneal Endothelial Cell Segmentation

• arxiv url: http://arxiv.org/abs/2106.07557v1
• Date: Fri, 21 May 2021 07:31:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-20 16:01:41.199657
• Title: A Multi-Branch Hybrid Transformer Networkfor Corneal Endothelial Cell Segmentation
• Title（参考訳）: 角膜内皮細胞分節のためのマルチブランチハイブリッドトランスフォーマネットワーク
• Authors: Yinglin Zhang, Risa Higashita, Huazhu Fu, Yanwu Xu, Yang Zhang, Haofeng Liu, Jian Zhang, and Jiang Liu
• Abstract要約: 角膜内皮細胞セグメンテーションは、細胞密度、変動係数、ヘキサゴニティなどの臨床指標を定量化する重要な役割を担っている。 局所的な畳み込みと連続的なダウンサンプリングの受容領域が限られているため、既存のディープラーニングセグメンテーション手法はグローバルコンテキストを完全に活用することはできない。 本稿では,トランスフォーマネットワーク(MBT-Net)をトランスフォーマーとボディーエッジブランチをベースとしたマルチブランチハイブリッドトランスフォーマネットワークを提案する。
• 参考スコア（独自算出の注目度）: 28.761569157861018
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Corneal endothelial cell segmentation plays a vital role inquantifying clinical indicators such as cell density, coefficient of variation,and hexagonality. However, the corneal endothelium's uneven reflectionand the subject's tremor and movement cause blurred cell edges in theimage, which is difficult to segment, and need more details and contextinformation to release this problem. Due to the limited receptive field oflocal convolution and continuous downsampling, the existing deep learn-ing segmentation methods cannot make full use of global context andmiss many details. This paper proposes a Multi-Branch hybrid Trans-former Network (MBT-Net) based on the transformer and body-edgebranch. Firstly, We use the convolutional block to focus on local tex-ture feature extraction and establish long-range dependencies over space,channel, and layer by the transformer and residual connection. Besides,We use the body-edge branch to promote local consistency and to provideedge position information. On the self-collected dataset TM-EM3000 andpublic Alisarine dataset, compared with other State-Of-The-Art (SOTA)methods, the proposed method achieves an improvement.
• Abstract（参考訳）: 角膜内皮細胞分節は、細胞密度、変異係数、ヘキサゴナリティなどの臨床指標を定量化する上で重要な役割を果たす。 しかし、角膜内皮の不均一な反射と被験者の震動と運動は、セグメンテーションが困難で、この問題を解き明かすにはより詳細な情報と文脈情報が必要である。 局所的な畳み込みと連続的なダウンサンプリングの限定的な受容領域のため、既存の深層学習セグメンテーション法は、グローバルコンテキストをフルに活用できず、多くの詳細を許容できない。 本稿では、トランスフォーマおよびボディエッジブランチに基づくマルチブランチハイブリッドトランスフォーマネットワーク(mbt-net)を提案する。 まず,畳み込みブロックを用いて局所的なtex-ture特徴抽出に着目し,トランスと残差接続による空間,チャネル,層への長距離依存性を確立する。 また,ボディエッジブランチを用いて局所的な一貫性を促進し,エッジ位置情報を提供する。 自己収集型データセットtm-em3000とパブリック・アリサリンデータセットについて,他の最先端(sota)手法と比較し,提案手法の改良を行った。

関連論文リスト

• SkinMamba: A Precision Skin Lesion Segmentation Architecture with Cross-Scale Global State Modeling and Frequency Boundary Guidance [0.559239450391449]
  皮膚病変のセグメンテーションは早期皮膚癌を同定するための重要な方法である。 我々は、SkinMambaと呼ばれるMambaとCNNをベースとしたハイブリッドアーキテクチャを提案する。 強力な長距離依存性モデリングとローカル機能抽出機能を提供しながら、線形複雑性を維持している。
  論文  参考訳（メタデータ） (2024-09-17T05:02:38Z)
• Revisiting Adaptive Cellular Recognition Under Domain Shifts: A Contextual Correspondence View [49.03501451546763]
  生物学的文脈における暗黙の対応の重要性を明らかにする。 モデル構成成分間のインスタンス認識トレードオフを確保するために, 自己適応型動的蒸留を提案する。
  論文  参考訳（メタデータ） (2024-07-14T04:41:16Z)
• Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
  本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。 本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。 実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-10-22T02:27:02Z)
• Skin Lesion Segmentation Improved by Transformer-based Networks with Inter-scale Dependency Modeling [0.0]
  メラノーマは異常な皮膚細胞増殖に起因する皮膚癌の一種である。 対称的U-Netモデルの畳み込み操作への依存は、長距離依存をキャプチャする能力を妨げている。 この制限を克服するために、TransformerベースのいくつかのU-Netトポロジが最近作成されている。
  論文  参考訳（メタデータ） (2023-10-20T15:53:51Z)
• TransNuSeg: A Lightweight Multi-Task Transformer for Nuclei Segmentation [6.369485141013728]
  我々は、TransNuSegと呼ばれる核セグメンテーションのための純粋なトランスフォーマーフレームワークの最初の試みを行う。 従来の研究で異なる枝から分岐予測を除去するために、枝間の一貫性を明示的に規定する新たな自己蒸留損失を導入する。 MoNuSegを含む2つのデータセットの実験により、我々の手法は、パラメータを30%減らして、最先端のDiceを2-3%向上させることができることが示された。
  論文  参考訳（メタデータ） (2023-07-16T14:12:54Z)
• 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)
• MISSU: 3D Medical Image Segmentation via Self-distilling TransUNet [55.16833099336073]
  医用画像セグメンテーションのためのトランスフォーマーベースUNetを提案する。 グローバルな意味情報と局所的な空間的詳細特徴を同時に学習する。 MISSUは従来の最先端手法よりも優れた性能を発揮する。
  論文  参考訳（メタデータ） (2022-06-02T07:38:53Z)
• High-Performance Transformer Tracking [74.07751002861802]
  本稿では,シームズ様特徴抽出バックボーンをベースとしたTransformer Tracking(TransT)手法,設計した注意に基づく融合機構,分類と回帰ヘッドを提案する。 実験の結果,TransT法とTransT-M法は7つの一般的なデータセットに対して有望な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2022-03-25T09:33:29Z)
• Cross-Modality Brain Tumor Segmentation via Bidirectional Global-to-Local Unsupervised Domain Adaptation [61.01704175938995]
  本論文では,UDAスキームに基づくBiGL(Bidirectional Global-to-Local)適応フレームワークを提案する。 具体的には、脳腫瘍をセグメント化するために、双方向画像合成およびセグメンテーションモジュールを提案する。 提案手法は, 最先端の非教師なし領域適応法を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2021-05-17T10:11:45Z)
• Accurate Cell Segmentation in Digital Pathology Images via Attention Enforced Networks [0.0]
  本研究では,グローバルな依存関係と重み付きチャネルを適応的に統合するアテンション強化ネットワーク(AENet)を提案する。 実験段階では, 染色変化問題に対処するために, 個々の色正規化法を提案する。
  論文  参考訳（メタデータ） (2020-12-14T03:39:33Z)

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。