Fugu-MT 論文翻訳(概要): RTNet: Relation Transformer Network for Diabetic Retinopathy Multi-lesion Segmentation

論文の概要: RTNet: Relation Transformer Network for Diabetic Retinopathy Multi-lesion Segmentation

arxiv url: http://arxiv.org/abs/2201.11037v1
Date: Wed, 26 Jan 2022 16:19:04 GMT
ステータス: 処理完了
システム内更新日: 2022-01-27 14:07:19.104053
Title: RTNet: Relation Transformer Network for Diabetic Retinopathy Multi-lesion Segmentation
Title（参考訳）: rtnet : 糖尿病網膜症マルチレシオンセグメンテーションのための関連トランスフォーマネットワーク
Authors: Shiqi Huang, Jianan Li, Yuze Xiao, Ning Shen and Tingfa Xu
Abstract要約: 特定の病変は特定の血管に閉じており、互いに相対的なパターンを呈していることが判明した。自己注意変換器は病変の特徴間のグローバルな依存関係を利用し、相互注意変換器は病変と血管の特徴の間の相互作用を可能にする。上記の二重ブランチのブロックを統合することで、ネットワークは4種類の病変を同時に分割する。
参考スコア（独自算出の注目度）: 10.643730843316948
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Automatic diabetic retinopathy (DR) lesions segmentation makes great sense of assisting ophthalmologists in diagnosis. Although many researches have been conducted on this task, most prior works paid too much attention to the designs of networks instead of considering the pathological association for lesions. Through investigating the pathogenic causes of DR lesions in advance, we found that certain lesions are closed to specific vessels and present relative patterns to each other. Motivated by the observation, we propose a relation transformer block (RTB) to incorporate attention mechanisms at two main levels: a self-attention transformer exploits global dependencies among lesion features, while a cross-attention transformer allows interactions between lesion and vessel features by integrating valuable vascular information to alleviate ambiguity in lesion detection caused by complex fundus structures. In addition, to capture the small lesion patterns first, we propose a global transformer block (GTB) which preserves detailed information in deep network. By integrating the above blocks of dual-branches, our network segments the four kinds of lesions simultaneously. Comprehensive experiments on IDRiD and DDR datasets well demonstrate the superiority of our approach, which achieves competitive performance compared to state-of-the-arts.
Abstract（参考訳）: 自動糖尿病網膜症 (DR) 病変の分節は眼科医の診断に有効である。この課題に関して多くの研究が行われてきたが、ほとんどの先行研究は病変の病理組織を考慮せず、ネットワークの設計にあまりに注意を払っていた。 DR病変の病因を事前に調査した結果,特定の病変は特定の血管に近接し,互いに相対的なパターンを呈することが明らかとなった。自己注意変換器は病変の特徴間のグローバルな依存関係を生かし,相互注意変換器は病変と血管の特徴間の相互作用を可能とし,複雑な基底構造による病変検出の曖昧さを軽減するために,貴重な血管情報を統合することで,病変と血管の特徴間の相互作用を緩和する。さらに,この小さな病変パターンをまず捉えるために,ディープネットワークに詳細な情報を保存できるグローバルトランスフォーマーブロック(gtb)を提案する。上記の二重ブランチのブロックを統合することで、ネットワークは4種類の病変を同時に分割する。 IDRiDとDDRデータセットに関する総合的な実験は、我々のアプローチの優位性をよく示している。

関連論文リスト

RotCAtt-TransUNet++: Novel Deep Neural Network for Sophisticated Cardiac Segmentation [0.0]
本稿では、複雑な心構造の堅牢なセグメンテーションに適した新しいアーキテクチャであるRotCAtt-TransUNet++を提案する。提案手法では,エンコーダ内のネストスキップ接続でマルチスケール機能を集約することで,グローバルコンテキストのモデリングを強調する。実験の結果,提案モデルでは,4つの心的データセットと1つの腹部的データセットにまたがる既存のSOTAアプローチよりも優れていた。
論文参考訳（メタデータ） (2024-09-09T02:18:50Z)
IAFI-FCOS: Intra- and across-layer feature interaction FCOS model for lesion detection of CT images [5.198119863305256]
従来の検出器のマルチスケール機能融合機構は、損失なく詳細情報を伝達できない。本稿では,マルチスケール機能融合機構ICAF-FPNを用いたIAFI-FCOSモデルを提案する。本手法はプライベート膵病変データセットとパブリックDeepLesionデータセットの両方で広く実験されている。
論文参考訳（メタデータ） (2024-09-01T10:58:48Z)
Lesion-aware network for diabetic retinopathy diagnosis [28.228110579446227]
CNNをベースとした糖尿病網膜症(DR)診断ネットワークを提案する。提案するLANetは,DR関連情報利用のためのCNNデコーダにLAMとFPMを埋め込んで構成する。本手法は, DR検診において 0.967 の曲線下領域で本手法より優れており, 全体の平均精度を3つのデータセットで7.6%, 2.1%, 1.2%向上させる。
論文参考訳（メタデータ） (2024-08-14T03:06:04Z)
Modality Exchange Network for Retinogeniculate Visual Pathway Segmentation [5.726588626363204]
マルチモーダル磁気共鳴(MR)イメージング情報を有効利用してRGVPセグメンテーションを強化する新しいモダリティ交換ネットワーク(ME-Net)を提案する。具体的には、T1重み付きMR画像と分画異方性MR画像とのモダリティ情報を交換するためのチャネルと空間混合アテンションモジュールを設計する。実験の結果,RGVPセグメンテーション性能は既存の最先端手法よりも優れていた。
論文参考訳（メタデータ） (2024-01-03T11:41:57Z)
Scale-aware Super-resolution Network with Dual Affinity Learning for Lesion Segmentation from Medical Images [50.76668288066681]
低解像度医用画像から様々な大きさの病変を適応的に分割する,スケールアウェアな超解像ネットワークを提案する。提案するネットワークは,他の最先端手法と比較して一貫した改善を実現した。
論文参考訳（メタデータ） (2023-05-30T14:25:55Z)
A Global and Patch-wise Contrastive Loss for Accurate Automated Exudate Detection [12.669734891001667]
糖尿病網膜症(DR:diabetic retinopathy)は、視覚障害の主要な原因である。硬口蓋の早期発見は、糖尿病の治療と視力喪失の予防に役立つDRの同定において重要な役割を担っている。ハード・エクスデュート・セグメンテーションを最適化する新しい教師付きコントラスト学習フレームワークを提案する。
論文参考訳（メタデータ） (2023-02-22T17:39:00Z)
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)
Factored Attention and Embedding for Unstructured-view Topic-related Ultrasound Report Generation [70.7778938191405]
本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
論文参考訳（メタデータ） (2022-03-12T15:24:03Z)
External Attention Assisted Multi-Phase Splenic Vascular Injury Segmentation with Limited Data [72.99534552950138]
脾臓は腹部外傷において最も多く損傷を受けた固形臓器の1つである。脾臓血管損傷の正確な分節化は以下の理由から困難です
論文参考訳（メタデータ） (2022-01-04T02:35:56Z)
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)
What Can Be Transferred: Unsupervised Domain Adaptation for Endoscopic Lesions Segmentation [51.7837386041158]
内視鏡的病変分割のための2つの相補的モジュールを含む新しい教師なしセマンティックトランスファーモデルを開発した。特に、T_Dは、残留転写可能性を認識するボトルネックを介して、医療病変の伝達可能な視覚情報を翻訳する場所に焦点を当てている。 T_Fは、さまざまな病変のトランスファー可能なセマンティック機能を拡張し、自動的に非トランスファー可能な表現を無視する方法を強調している。
論文参考訳（メタデータ） (2020-04-24T00:57:05Z)

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。