論文の概要: Boundary-aware Transformers for Skin Lesion Segmentation

• arxiv url: http://arxiv.org/abs/2110.03864v1
• Date: Fri, 8 Oct 2021 02:43:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-11 16:29:53.857614
• Title: Boundary-aware Transformers for Skin Lesion Segmentation
• Title（参考訳）: 皮膚病変セグメンテーションのための境界認識トランスフォーマー
• Authors: Jiacheng Wang, Lan Wei, Liansheng Wang, Qichao Zhou, Lei Zhu, Jing Qin
• Abstract要約: 自動皮膚病変分割の課題に対処する新しい境界対応トランス (BAT) を提案する。 具体的には,新たなバウンダリワイドアテンションゲート(BAG)をトランスフォーマに統合し,トランスフォーマを介してグローバルな長距離依存性を効果的にモデル化すると同時に,バウンダリワイド先行知識をフル活用することで,より局所的な詳細を捉える。
• 参考スコア（独自算出の注目度）: 19.284634561363184
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Skin lesion segmentation from dermoscopy images is of great importance for improving the quantitative analysis of skin cancer. However, the automatic segmentation of melanoma is a very challenging task owing to the large variation of melanoma and ambiguous boundaries of lesion areas. While convolutional neutral networks (CNNs) have achieved remarkable progress in this task, most of existing solutions are still incapable of effectively capturing global dependencies to counteract the inductive bias caused by limited receptive fields. Recently, transformers have been proposed as a promising tool for global context modeling by employing a powerful global attention mechanism, but one of their main shortcomings when applied to segmentation tasks is that they cannot effectively extract sufficient local details to tackle ambiguous boundaries. We propose a novel boundary-aware transformer (BAT) to comprehensively address the challenges of automatic skin lesion segmentation. Specifically, we integrate a new boundary-wise attention gate (BAG) into transformers to enable the whole network to not only effectively model global long-range dependencies via transformers but also, simultaneously, capture more local details by making full use of boundary-wise prior knowledge. Particularly, the auxiliary supervision of BAG is capable of assisting transformers to learn position embedding as it provides much spatial information. We conducted extensive experiments to evaluate the proposed BAT and experiments corroborate its effectiveness, consistently outperforming state-of-the-art methods in two famous datasets.
• Abstract（参考訳）: 皮膚内視鏡像からの皮膚病変の分画は皮膚癌の定量的解析を改善する上で非常に重要である。 しかし,悪性黒色腫の多変量と病変領域の境界の曖昧さから,悪性黒色腫の自動分割は極めて困難な課題である。 畳み込みニュートラルネットワーク(CNN)はこの課題において顕著な進歩を遂げているが、既存のソリューションの多くは、限定された受容野によって引き起こされる帰納的バイアスを効果的に捉えることができない。 近年,グローバル・アテンション・メカニズムを用いたグローバル・コンテキスト・モデリングの有望なツールとしてトランスフォーマーが提案されているが,セグメンテーション・タスクに適用される主な欠点のひとつは,曖昧な境界に取り組むのに十分な局所的詳細を効果的に抽出できないことである。 自動皮膚病変セグメント化の課題を包括的に解決する新しい境界対応トランス (BAT) を提案する。 具体的には,新たなバウンダリワイドアテンションゲート(BAG)をトランスフォーマに統合し,トランスフォーマを介してグローバルな長距離依存性を効果的にモデル化すると同時に,バウンダリワイド先行知識をフル活用することで,より局所的な詳細を捉える。 特に、BAGの補助監督は、多くの空間情報を提供するため、トランスフォーマーが位置埋め込みを学ぶのを支援することができる。 提案したBATの評価実験を行い,その有効性を裏付ける実験を行った。

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)
• TransDAE: Dual Attention Mechanism in a Hierarchical Transformer for Efficient Medical Image Segmentation [7.013315283888431]
  医用画像のセグメンテーションは、正確な疾患診断と効果的な治療戦略の開発に不可欠である。 本稿では,トランスダエ(TransDAE)という,空間的・チャネル的関連性を含む自己認識機構を再定義する手法を紹介する。 注目すべきは、TransDAEがSynapsのマルチオーガナイズデータセット上で、既存の最先端メソッドより優れていることだ。
  論文  参考訳（メタデータ） (2024-09-03T16:08:48Z)
• ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
  本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。 提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。 また,ELGC-Net-LWも導入した。
  論文  参考訳（メタデータ） (2024-03-26T17:46:25Z)
• DuAT: Dual-Aggregation Transformer Network for Medical Image Segmentation [21.717520350930705]
  トランスフォーマーベースのモデルはコンピュータビジョンタスクで成功することが広く実証されている。 しかし、それらはしばしば大きなパターンの特徴によって支配され、局所的な詳細が失われる。 本稿では、2つの革新的な設計を特徴とするDuATと呼ばれるDual-Aggregation Transformer Networkを提案する。 大腸内視鏡画像における皮膚病変像とポリープの分画における最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-12-21T07:54:02Z)
• 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)
• XBound-Former: Toward Cross-scale Boundary Modeling in Transformers [11.979700468758313]
  そこで本研究では, 皮膚病変の分節変化と境界問題に対処するため, クロススケールな境界対応トランス (textbfXBound-Former) を提案する。 XBound-Formerは、純粋に注意に基づくネットワークであり、3つの特別に設計された学習者を通して境界知識をキャッチする。 我々は、ISIC-2016&PH$2とISIC-2018の2つの皮膚病変データセットでモデルを評価する。
  論文  参考訳（メタデータ） (2022-06-02T00:24:52Z)
• Coarse to Fine: Domain Adaptive Crowd Counting via Adversarial Scoring Network [58.05473757538834]
  本稿では,ドメイン間のギャップを粗い粒度から細かな粒度に埋める新しい逆スコアリングネットワーク (ASNet) を提案する。 3組のマイグレーション実験により,提案手法が最先端のカウント性能を実現することを示す。
  論文  参考訳（メタデータ） (2021-07-27T14:47:24Z)
• A Multi-Branch Hybrid Transformer Networkfor Corneal Endothelial Cell Segmentation [28.761569157861018]
  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。
  論文  参考訳（メタデータ） (2021-05-21T07:31:09Z)
• Transformers Solve the Limited Receptive Field for Monocular Depth Prediction [82.90445525977904]
  畳み込みニューラルネットワークとトランスの両方の恩恵を受けるアーキテクチャであるTransDepthを提案します。 連続ラベルを含む画素単位での予測問題にトランスフォーマーを適用する最初の論文である。
  論文  参考訳（メタデータ） (2021-03-22T18:00:13Z)
• Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
  異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。 新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
  論文  参考訳（メタデータ） (2020-12-08T02:26:03Z)

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。