Fugu-MT 論文翻訳(概要): DR-VNet: Retinal Vessel Segmentation via Dense Residual UNet

論文の概要: DR-VNet: Retinal Vessel Segmentation via Dense Residual UNet

arxiv url: http://arxiv.org/abs/2111.04739v1
Date: Mon, 8 Nov 2021 14:52:13 GMT
ステータス: 処理完了
システム内更新日: 2021-11-11 02:36:28.707034
Title: DR-VNet: Retinal Vessel Segmentation via Dense Residual UNet
Title（参考訳）: DR-VNet:Dense Residual UNetによる網膜血管セグメンテーション
Authors: Ali Karaali, Rozenn Dahyot, Donal J. Sexton
Abstract要約: そこで本研究では,高密度ネットブロックの効率と残圧および励磁ブロックの効率を組み合わせた新しいディープラーニングパイプラインを提案する。提案手法を3つのデータセットで検証し, 小型船舶の捕獲状況を評価するための感度測定値において, パイプラインが技術の現状より優れていることを示す。
参考スコア（独自算出の注目度）: 4.352318127577627
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Accurate retinal vessel segmentation is an important task for many computer-aided diagnosis systems. Yet, it is still a challenging problem due to the complex vessel structures of an eye. Numerous vessel segmentation methods have been proposed recently, however more research is needed to deal with poor segmentation of thin and tiny vessels. To address this, we propose a new deep learning pipeline combining the efficiency of residual dense net blocks and, residual squeeze and excitation blocks. We validate experimentally our approach on three datasets and show that our pipeline outperforms current state of the art techniques on the sensitivity metric relevant to assess capture of small vessels.
Abstract（参考訳）: 正確な網膜血管セグメンテーションは多くのコンピュータ支援診断システムにおいて重要な課題である。しかし、眼の複雑な血管構造のため、まだ難しい問題である。近年, 細管分割法が多数提案されているが, 細管の細管分割に対処するためには, さらなる研究が必要である。そこで本研究では,残留密網ブロックと残留スクイーズと励磁ブロックの効率性を組み合わせた新しい深層学習パイプラインを提案する。 3つのデータセットに対する我々のアプローチを実験的に検証し、我々のパイプラインが、小型容器の捕獲を評価するための感度指標の現在の技術技術を上回ることを示した。

関連論文リスト

Enhancing Weakly Supervised 3D Medical Image Segmentation through Probabilistic-aware Learning [52.249748801637196]
3次元医用画像のセグメンテーションは、疾患の診断と治療計画に重要な意味を持つ課題である。近年の深層学習の進歩は、完全に教師付き医療画像のセグメンテーションを著しく強化している。本稿では,3次元医用画像に特化して設計された,確率的適応型弱教師付き学習パイプラインを提案する。
論文参考訳（メタデータ） (2024-03-05T00:46:53Z)
Deep vessel segmentation based on a new combination of vesselness filters [0.3683202928838613]
本研究では, 容器分割モデルの有効性を増幅する新しいフィルタ融合法を提案する。本研究は, 比較分析により, フィルタに基づく学習手法のメリットを確立することを目的としている。
論文参考訳（メタデータ） (2024-02-22T12:57:15Z)
Adaptive Semi-Supervised Segmentation of Brain Vessels with Ambiguous Labels [63.415444378608214]
提案手法は, 進歩的半教師付き学習, 適応的学習戦略, 境界拡張など, 革新的な手法を取り入れたものである。 3DRAデータセットによる実験結果から,メッシュベースのセグメンテーション指標を用いて,本手法の優位性を示す。
論文参考訳（メタデータ） (2023-08-07T14:16:52Z)
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)
Hierarchical Deep Network with Uncertainty-aware Semi-supervised Learning for Vessel Segmentation [58.45470500617549]
本稿では,注目機構が血管全体に誘導される低コントラストキャピラリー領域を局在させる階層的なディープネットワークを提案する。提案手法は,底部画像における網膜動脈/静脈の分画とCT画像における肝門/肝血管の分画のベンチマークにおいて,最先端の性能を実現する。
論文参考訳（メタデータ） (2021-05-31T06:55:43Z)
Objective-Dependent Uncertainty Driven Retinal Vessel Segmentation [5.926887379656135]
本稿では,血管分割を2つの目的に分割するディープ畳み込みニューラルネットワーク(CNN)を提案する。具体的には、全体的正確な船舶分割と小さな船舶分割を2つの個人目的とみなす。個々の目的を改善するため, (a) 小型船体接続性を高めるための船体重量マップに基づく補助的損失, (b) ローカライゼーションを改善するためのエンコーダ・デコーダアーキテクチャの強化を提案する。
論文参考訳（メタデータ） (2021-04-17T14:17:09Z)
Towards Robust Partially Supervised Multi-Structure Medical Image Segmentation on Small-Scale Data [123.03252888189546]
データ不足下における部分教師付き学習(PSL)における方法論的ギャップを埋めるために,不確実性下でのビシナルラベル(VLUU)を提案する。マルチタスク学習とヴィジナルリスク最小化によって動機づけられたVLUUは、ビジナルラベルを生成することによって、部分的に教師付き問題を完全な教師付き問題に変換する。本研究は,ラベル効率の高い深層学習における新たな研究の方向性を示唆するものである。
論文参考訳（メタデータ） (2020-11-28T16:31:00Z)
Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
論文参考訳（メタデータ） (2020-10-09T08:22:54Z)
ROSE: A Retinal OCT-Angiography Vessel Segmentation Dataset and New Model [41.444917622855606]
OCT-Aセグメンテーションデータセット(ROSE)は229枚のOCT-A画像からなり、中心線レベルまたは画素レベルで血管アノテーションを付加する。次に,スプリットをベースとしたSCF-Net(Coarse-to-Fine vessel segmentation Network)を提案する。 SCF-Netでは、スプリットベース粗いセグメンテーション(SCS)モジュールを最初に導入し、スプリットベースリファインメント(SRN)モジュールを使用して形状・形状を最適化する。
論文参考訳（メタデータ） (2020-07-10T06:54:19Z)
Dense Residual Network for Retinal Vessel Segmentation [8.778525346264466]
走査型レーザー眼鏡視下網膜像において,血管の分画を効果的に行う方法を提案する。 U-Net,「機能マップの再利用」,残差学習に触発され,DRNetと呼ばれる高密度残差ネットワーク構造を提案する。本手法は,データ拡張を伴わずとも最先端の性能を実現する。
論文参考訳（メタデータ） (2020-04-07T20:42:13Z)
A Two-Stream Meticulous Processing Network for Retinal Vessel Segmentation [11.469357649111076]
細い船体や境界領域で望ましいセグメンテーション性能を得るのは難しいことが多い。本稿では,この問題に対処するための2ストリームのMeticulous-Processing Network (MP-Net)を提案する。我々のモデルはDRIVE、STARE、CHASE_DB1データセットの最先端手法より優れていることが証明された。
論文参考訳（メタデータ） (2020-01-15T17:06:10Z)

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。