論文の概要: An Efficient Polyp Segmentation Network

• arxiv url: http://arxiv.org/abs/2203.04118v1
• Date: Tue, 8 Mar 2022 14:42:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-09 18:15:17.533403
• Title: An Efficient Polyp Segmentation Network
• Title（参考訳）: 効率的なポリプセグメンテーションネットワーク
• Authors: Tugberk Erol and Duygu Sarikaya
• Abstract要約: 大腸がんは世界で最も一般的ながんの1つである。 深層学習と画像分割技術は、診断中に専門家が気付かないポリプの数を最小限にするために用いられる。 本稿では,この問題を解決するための新しいモデルを提案する。提案モデルには,パラメータの削減に加えて,技術モデルの成功率も向上する。
• 参考スコア（独自算出の注目度）: 0.40611352512781856
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cancer is a disease that occurs as a result of uncontrolled division and proliferation of cells. The number of cancer cases has been on the rise over the recent years.. Colon cancer is one of the most common types of cancer in the world. Polyps that can be seen in the large intestine can cause cancer if not removed with early intervention. Deep learning and image segmentation techniques are used to minimize the number of polyps that goes unnoticed by the experts during the diagnosis. Although these techniques give good results, they require too many parameters. We propose a new model to solve this problem. Our proposed model includes less parameters as well as outperforming the success of the state of the art models. In the proposed model, a partial decoder is used to reduce the number of parameters while maintaning success. EfficientNetB0, which gives successfull results as well as requiring few parameters, is used in the encoder part. Since polyps have variable aspect and aspect ratios, an asymetric convolution block was used instead of using classic convolution block. Kvasir and CVC-ClinicDB datasets were seperated as training, validation and testing, and CVC-ColonDB, ETIS and Endoscene datasets were used for testing. According to the dice metric, our model had the best results with %71.8 in the ColonDB test dataset, %89.3 in the EndoScene test dataset and %74.8 in the ETIS test dataset. Our model requires a total of 2.626.337 parameters. When we compare it in the literature, according to similar studies, the model that requires the least parameters is U-Net++ with 9.042.177 parameters.
• Abstract（参考訳）: がんは、制御されていない分裂と細胞の増殖の結果起こる疾患である。 近年、がん患者の数が増加している。 . 大腸癌は世界でも最も一般的ながんの1つである。 大腸で見られるポリープは、早期の介入で除去されないとがんを引き起こすことがある。 深層学習と画像分割技術は、診断中に専門家が気付かないポリプの数を最小限にするために用いられる。 これらの手法は良い結果をもたらすが、パラメータが多すぎる。 我々はこの問題を解くための新しいモデルを提案する。 提案モデルでは,パラメータの削減に加えて,技術モデルの成功率も向上している。 提案モデルでは,部分デコーダを用いてパラメータ数を減らし,メインタンタリングに成功した。 エンコーダ部では、成功した結果と少ないパラメータを必要とするEfficientNetB0が使用される。 ポリプは可変アスペクトとアスペクト比を持つため、古典的な畳み込みブロックの代わりに非対称畳み込みブロックが用いられた。 KvasirとCVC-ClinicDBデータセットはトレーニング、検証、テストとして分離され、CVC-ColonDB、ETIS、Endosceneデータセットがテストに使用された。 diceメトリックによると、このモデルはcolondbテストデータセットでは%71.8、エンドスセンテストデータセットでは%89.3、etisテストデータセットでは%74.8で最高の結果を得た。 我々のモデルは合計2.626.337のパラメータを必要とする。 文献で比較すると、同様の研究によると、最小パラメータを必要とするモデルは9.042.177パラメータを持つU-Net++である。

関連論文リスト

• Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact Context-encoding Variational Autoencoder [48.2010192865749]
  教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。 本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。 提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
  論文  参考訳（メタデータ） (2022-01-31T14:27:35Z)
• Self-Supervised U-Net for Segmenting Flat and Sessile Polyps [63.62764375279861]
  大腸ポリープの発達は、がんの最も初期の兆候の1つである。 ポリープの早期検出と切除は生存率を90%に大きく向上させる。 大腸内視鏡画像の処理によりポリープを検出するコンピュータ支援診断システム(CADx)が提案されている。
  論文  参考訳（メタデータ） (2021-10-17T09:31:20Z)
• BCNet: A Deep Convolutional Neural Network for Breast Cancer Grading [0.0]
  近年、深層学習は科学の様々な分野、特に医学で広く採用されている。 乳がん検出問題では、異なるデータセット上で様々なディープラーニング技術が開発され、精度が向上した。
  論文  参考訳（メタデータ） (2021-07-11T12:55:33Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Colorectal Cancer Segmentation using Atrous Convolution and Residual Enhanced UNet [0.5353034688884528]
  本研究では,従来のフィルタ以外に,多孔性畳み込みと残存接続を用いたCNN方式を提案する。 提案するatresunetはdice係数0.748の大腸癌分画のための digestpath 2019 challengeデータセットでトレーニングされた。
  論文  参考訳（メタデータ） (2021-03-16T19:20:20Z)
• Automatic Polyp Segmentation using Fully Convolutional Neural Network [0.0]
  大腸内視鏡検査における大腸ポリープのミスレートは6～27%である。 大腸内視鏡検査における自動的, 高精度, リアルタイムポリプセグメンテーションの使用は, 臨床医が欠如した病変を除去し, 大腸癌のさらなる進展を予防するのに役立つ。 Medico Automatic Polyp segmentation Challenge'は、polyp segmentationを研究し、高速なセグメンテーションモデルを構築する機会を提供する。 実験により、Kvasir-SEGデータセットでトレーニングされ、未知のデータセットでテストされたモデルは、ディス係数0.7801、mIoU0.6847、リコール0.8077、精度0.8に達することが示された。
  論文  参考訳（メタデータ） (2021-01-11T16:20:57Z)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)
• A Systematic Approach to Featurization for Cancer Drug Sensitivity Predictions with Deep Learning [49.86828302591469]
  35,000以上のニューラルネットワークモデルをトレーニングし、一般的な成果化技術を駆使しています。 RNA-seqは128以上のサブセットであっても非常に冗長で情報的であることがわかった。
  論文  参考訳（メタデータ） (2020-04-30T20:42:17Z)
• Automatic Polyp Segmentation Using Convolutional Neural Networks [4.123347304960947]
  コンピュータ支援診断システムはポリプスクリーニングに応用される可能性がある。 DenseNet169の特徴抽出器とU-Netアーキテクチャは99.15%の精度を達成した。
  論文  参考訳（メタデータ） (2020-04-22T18:54:29Z)

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。