Fugu-MT 論文翻訳(概要): SPNet: A novel deep neural network for retinal vessel segmentation based on shared decoder and pyramid-like loss

論文の概要: SPNet: A novel deep neural network for retinal vessel segmentation based on shared decoder and pyramid-like loss

arxiv url: http://arxiv.org/abs/2202.09515v1
Date: Sat, 19 Feb 2022 03:44:34 GMT
ステータス: 処理完了
システム内更新日: 2022-02-23 10:32:26.535889
Title: SPNet: A novel deep neural network for retinal vessel segmentation based on shared decoder and pyramid-like loss
Title（参考訳）: spnet:共用デコーダとピラミッド状損失に基づく網膜血管セグメンテーションのための新しい深層ニューラルネットワーク
Authors: Geng-Xin Xu, Chuan-Xian Ren
Abstract要約: 畳み込みニューラルネットワークは血管構造を抽出する重要な能力を示した本稿では,共有デコーダとピラミッド様損失に基づく網膜血管セグメンテーションのための新しいディープニューラルネットワークを提案する。
参考スコア（独自算出の注目度）: 13.021014899410684
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Segmentation of retinal vessel images is critical to the diagnosis of retinopathy. Recently, convolutional neural networks have shown significant ability to extract the blood vessel structure. However, it remains challenging to refined segmentation for the capillaries and the edges of retinal vessels due to thickness inconsistencies and blurry boundaries. In this paper, we propose a novel deep neural network for retinal vessel segmentation based on shared decoder and pyramid-like loss (SPNet) to address the above problems. Specifically, we introduce a decoder-sharing mechanism to capture multi-scale semantic information, where feature maps at diverse scales are decoded through a sequence of weight-sharing decoder modules. Also, to strengthen characterization on the capillaries and the edges of blood vessels, we define a residual pyramid architecture which decomposes the spatial information in the decoding phase. A pyramid-like loss function is designed to compensate possible segmentation errors progressively. Experimental results on public benchmarks show that the proposed method outperforms the backbone network and the state-of-the-art methods, especially in the regions of the capillaries and the vessel contours. In addition, performances on cross-datasets verify that SPNet shows stronger generalization ability.
Abstract（参考訳）: 網膜血管像の分画は網膜症の診断に重要である。近年,畳み込みニューラルネットワークは血管構造の抽出に有意な能力を示している。しかし, 膜厚の不一致やぼやけた境界のため, 網膜血管の毛細血管や縁部の分節化は依然として困難である。本稿では,この問題を解決するために,共用デコーダとピラミッド状損失(spnet)に基づく網膜血管セグメンテーションのための新しい深層ニューラルネットワークを提案する。具体的には,マルチスケールのセマンティック情報をキャプチャするデコーダ共有機構を導入し,多様なスケールの特徴マップを重み付きデコーダモジュールのシーケンスでデコードする。また, 血管の毛細血管と縁部の特徴を明らかにするために, 復号相における空間情報を分解する残差ピラミッド構造を定義した。ピラミッド状損失関数は、可能セグメンテーションエラーを段階的に補償するように設計されている。公開ベンチマークによる実験の結果,提案手法は,特に毛細血管や血管輪郭の領域において,バックボーンネットワークや最先端の手法よりも優れていた。さらに、クロスデータセットのパフォーマンスは、SPNetがより強力な一般化能力を示すことを示す。

関連論文リスト

EDDense-Net: Fully Dense Encoder Decoder Network for Joint Segmentation of Optic Cup and Disc [0.880802134366532]
緑内障(英: Glaucoma)は、視神経に損傷を与える眼疾患であり、視覚障害と永久盲眼を引き起こす。緑内障の診断には、光ディスク(OD)検査におけるカップ・ツー・ディスク比(CDR)の推定が用いられる。 OCとODの結合分割のためのEDDense-Netセグメンテーションネットワークを提案する。
論文参考訳（メタデータ） (2023-08-20T07:45:03Z)
Addressing caveats of neural persistence with deep graph persistence [54.424983583720675]
神経の持続性に影響を与える主な要因は,ネットワークの重みのばらつきと大きな重みの空間集中である。単一層ではなく,ニューラルネットワーク全体へのニューラルネットワークの持続性に基づくフィルタリングの拡張を提案する。これにより、ネットワーク内の永続的なパスを暗黙的に取り込み、分散に関連する問題を緩和するディープグラフの永続性測定が得られます。
論文参考訳（メタデータ） (2023-07-20T13:34:11Z)
FuNNscope: Visual microscope for interactively exploring the loss landscape of fully connected neural networks [77.34726150561087]
ニューラルネットワークの高次元景観特性を探索する方法を示す。我々は、小さなニューラルネットワークの観測結果をより複雑なシステムに一般化する。インタラクティブダッシュボードは、いくつかのアプリケーションネットワークを開放する。
論文参考訳（メタデータ） (2022-04-09T16:41:53Z)
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)
Pyramid U-Net for Retinal Vessel Segmentation [22.91204798022379]
正確な網膜血管セグメンテーションのためのピラミッドU-Netを提案する。提案されたピラミッドスケールアグリゲーションブロック(PSAB)は、エンコーダとデコーダの両方に採用されている。当社のピラミッドU-Netは、パブリックDRIVEおよびCHASE-DB1データセットの現在の最新メソッドを上回っています。
論文参考訳（メタデータ） (2021-04-06T07:33:52Z)
Contextual Information Enhanced Convolutional Neural Networks for Retinal Vessel Segmentation in Color Fundus Images [0.0]
自動網膜血管セグメンテーションシステムは、臨床診断及び眼科研究を効果的に促進することができる。ディープラーニングベースの手法が提案され、いくつかのカスタマイズされたモジュールが有名なエンコーダデコーダアーキテクチャU-netに統合されている。その結果,提案手法は先行技術よりも優れ,感性/リコール,F1スコア,MCCの最先端性能を実現している。
論文参考訳（メタデータ） (2021-03-25T06:10:47Z)
Topological obstructions in neural networks learning [67.8848058842671]
損失勾配関数フローのグローバル特性について検討する。損失関数とそのモースコンプレックスの位相データ解析を用いて,損失面の大域的特性と勾配軌道に沿った局所的挙動を関連付ける。
論文参考訳（メタデータ） (2020-12-31T18:53:25Z)
Transfer Learning Through Weighted Loss Function and Group Normalization for Vessel Segmentation from Retinal Images [0.0]
血管の血管構造は緑内障や糖尿病網膜症などの網膜疾患の診断に重要である。深層学習とトランスファー学習を併用した網膜血管のセグメンテーション手法を提案する。提案手法は,他の手法よりもセグメンテーション精度が高い。
論文参考訳（メタデータ） (2020-12-16T20:34:48Z)
Claw U-Net: A Unet-based Network with Deep Feature Concatenation for Scleral Blood Vessel Segmentation [18.10578418379116]
SWS(Sturge-Weber syndrome)は、血管奇形疾患であり、患者の症状が重篤な場合、失明を引き起こす可能性がある。精巣血管を正確に分画する方法は,コンピュータ診断において重要な問題となっている。 Claw UNetは、硬化血管画像データセット上で、他のUNetベースのネットワークを上回っている。
論文参考訳（メタデータ） (2020-10-20T09:55:29Z)
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)
clDice -- A Novel Topology-Preserving Loss Function for Tubular Structure Segmentation [57.20783326661043]
中心線Dice (short clDice) と呼ばれる新しい類似度尺度を導入する。理論的には、clDiceは2次元および3次元のセグメンテーションにおけるホモトピー同値までのトポロジー保存を保証する。我々は、船舶、道路、ニューロン(2Dと3D)を含む5つの公開データセットでソフトクライス損失をベンチマークした。
論文参考訳（メタデータ） (2020-03-16T16:27:49Z)

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。