論文の概要: BDG-Net: Boundary Distribution Guided Network for Accurate Polyp
Segmentation
- arxiv url: http://arxiv.org/abs/2201.00767v1
- Date: Mon, 3 Jan 2022 17:15:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-04 15:18:43.401855
- Title: BDG-Net: Boundary Distribution Guided Network for Accurate Polyp
Segmentation
- Title(参考訳): BDG-Net: 正確なポリプセグメンテーションのための境界分布ガイドネットワーク
- Authors: Zihuan Qiu, Zhichuan Wang, Miaomiao Zhang, Ziyong Xu, Jie Fan, Linfeng
Xu
- Abstract要約: ポリープ切除術は腺腫から腺癌への進行を効果的に阻害することができる。
ポリープの大きさやポリープとその周囲の粘膜の境界が不明瞭であるため、ポリープを正確に分割することは困難である。
正確なポリープ分割のための境界分布誘導ネットワーク(BDG-Net)を設計する。
- 参考スコア(独自算出の注目度): 9.175022232984709
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Colorectal cancer (CRC) is one of the most common fatal cancer in the world.
Polypectomy can effectively interrupt the progression of adenoma to
adenocarcinoma, thus reducing the risk of CRC development. Colonoscopy is the
primary method to find colonic polyps. However, due to the different sizes of
polyps and the unclear boundary between polyps and their surrounding mucosa, it
is challenging to segment polyps accurately. To address this problem, we design
a Boundary Distribution Guided Network (BDG-Net) for accurate polyp
segmentation. Specifically, under the supervision of the ideal Boundary
Distribution Map (BDM), we use Boundary Distribution Generate Module (BDGM) to
aggregate high-level features and generate BDM. Then, BDM is sent to the
Boundary Distribution Guided Decoder (BDGD) as complementary spatial
information to guide the polyp segmentation. Moreover, a multi-scale feature
interaction strategy is adopted in BDGD to improve the segmentation accuracy of
polyps with different sizes. Extensive quantitative and qualitative evaluations
demonstrate the effectiveness of our model, which outperforms state-of-the-art
models remarkably on five public polyp datasets while maintaining low
computational complexity.
- Abstract(参考訳): 大腸癌 (CRC) は世界でも最も多い致死性癌の1つである。
ポリープ切除術は腺腫から腺癌への進行を効果的に阻害し,CRCの発生リスクを低減させる。
大腸内視鏡は大腸ポリープを見つける主要な方法である。
しかし,ポリープのサイズの違いと,ポリープとその周辺粘膜の境界が不明瞭であることから,ポリープを正確に分割することは困難である。
この問題に対処するため、我々は正確なポリプセグメンテーションのための境界分布誘導ネットワーク(BDG-Net)を設計する。
具体的には、理想的な境界分布マップ(BDM)の監督の下で、境界分布生成モジュール(BDGM)を用いて高次特徴を集約し、BDMを生成する。
次に、BDMを補空間情報として境界分布ガイドデコーダ(BDGD)に送信し、ポリプセグメンテーションを案内する。
さらに,BDGDでは,異なるサイズのポリプのセグメンテーション精度を向上させるため,マルチスケールな機能インタラクション戦略が採用されている。
計算の複雑さを低く保ちつつ,5つのパブリックポリプデータセットにおいて,最先端モデルを著しく上回っている。
関連論文リスト
- Multi-scale Information Sharing and Selection Network with Boundary Attention for Polyp Segmentation [10.152504573356413]
本稿では,多目的セグメンテーションタスクのためのマルチスケール情報共有選択ネットワーク(MISNet)を提案する。
5つのpolypセグメンテーションデータセットの実験により、MISNetはセグメンテーション結果の精度と明確性を改善した。
論文 参考訳(メタデータ) (2024-05-18T02:48:39Z) - 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) - Lesion-aware Dynamic Kernel for Polyp Segmentation [49.63274623103663]
ポリープセグメンテーションのための障害対応動的ネットワーク(LDNet)を提案する。
従来のU字型エンコーダ・デコーダ構造であり、動的カーネル生成と更新スキームが組み込まれている。
この単純だが効果的なスキームは、我々のモデルに強力なセグメンテーション性能と一般化能力を与える。
論文 参考訳(メタデータ) (2023-01-12T09:53:57Z) - Adaptive Context Selection for Polyp Segmentation [99.9959901908053]
本稿では,ローカルコンテキストアテンション(LCA)モジュール,グローバルコンテキストモジュール(GCM)モジュール,適応選択モジュール(ASM)モジュールで構成される適応コンテキスト選択に基づくエンコーダデコーダフレームワークを提案する。
LCAモジュールは、エンコーダ層からデコーダ層へローカルなコンテキスト機能を提供する。
GCMは、グローバルなコンテキストの特徴をさらに探求し、デコーダ層に送信することを目的としている。ASMは、チャンネルワイドアテンションを通じて、コンテキスト特徴の適応的選択と集約に使用される。
論文 参考訳(メタデータ) (2023-01-12T04:06:44Z) - BoxPolyp:Boost Generalized Polyp Segmentation Using Extra Coarse
Bounding Box Annotations [79.17754846553866]
我々は、正確なマスクと余分な粗いボックスアノテーションをフル活用するための強化されたBoxPolypモデルを提案する。
実際には、従来のポリプセグメンテーションモデルの過度に適合する問題を緩和するためにボックスアノテーションが適用される。
提案手法は従来の最先端手法よりも大きなマージンで優れていた。
論文 参考訳(メタデータ) (2022-12-07T07:45:50Z) - Automatic Polyp Segmentation via Multi-scale Subtraction Network [100.94922587360871]
臨床的には、正確なポリープセグメンテーションは大腸癌の早期発見に重要な情報を提供する。
既存のほとんどの手法はU字型構造に基づいており、デコーダで段階的に異なるレベルの特徴を融合させるために要素ワイド付加または結合を用いる。
大腸内視鏡画像からポリプを抽出するマルチスケールサブトラクションネットワーク(MSNet)を提案する。
論文 参考訳(メタデータ) (2021-08-11T07:54:07Z) - 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) - 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。