Fugu-MT 論文翻訳(概要): DKMA-ULD: Domain Knowledge augmented Multi-head Attention based Robust Universal Lesion Detection

論文の概要: DKMA-ULD: Domain Knowledge augmented Multi-head Attention based Robust Universal Lesion Detection

arxiv url: http://arxiv.org/abs/2203.06886v1
Date: Mon, 14 Mar 2022 06:54:28 GMT
ステータス: 処理完了
システム内更新日: 2022-03-15 15:59:50.003139
Title: DKMA-ULD: Domain Knowledge augmented Multi-head Attention based Robust Universal Lesion Detection
Title（参考訳）: DKMA-ULD: マルチヘッドアテンションに基づくロバストユニバーサル病変検出のためのドメイン知識
Authors: Manu Sheoran, Meghal Dani, Monika Sharma, Lovekesh Vig
Abstract要約: 本稿では,1つのデータセットであるDeepLesionをトレーニングすることにより,全身の臓器にまたがる病変を検出できる,堅牢な普遍的病変検出(ULD)ネットワークを提案する。我々は,新しい畳み込み型マルチヘッド自己保持モジュールを用いて,様々な強度のCTスライスを解析した。約32KのCTスキャンと全臓器に注視病変を付加したDeepLesionデータセットを用いて,本ネットワークの有効性を検証した。
参考スコア（独自算出の注目度）: 19.165942326142538
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Incorporating data-specific domain knowledge in deep networks explicitly can provide important cues beneficial for lesion detection and can mitigate the need for diverse heterogeneous datasets for learning robust detectors. In this paper, we exploit the domain information present in computed tomography (CT) scans and propose a robust universal lesion detection (ULD) network that can detect lesions across all organs of the body by training on a single dataset, DeepLesion. We analyze CT-slices of varying intensities, generated using heuristically determined Hounsfield Unit(HU) windows that individually highlight different organs and are given as inputs to the deep network. The features obtained from the multiple intensity images are fused using a novel convolution augmented multi-head self-attention module and subsequently, passed to a Region Proposal Network (RPN) for lesion detection. In addition, we observed that traditional anchor boxes used in RPN for natural images are not suitable for lesion sizes often found in medical images. Therefore, we propose to use lesion-specific anchor sizes and ratios in the RPN for improving the detection performance. We use self-supervision to initialize weights of our network on the DeepLesion dataset to further imbibe domain knowledge. Our proposed Domain Knowledge augmented Multi-head Attention based Universal Lesion Detection Network DMKA-ULD produces refined and precise bounding boxes around lesions across different organs. We evaluate the efficacy of our network on the publicly available DeepLesion dataset which comprises of approximately 32K CT scans with annotated lesions across all organs of the body. Results demonstrate that we outperform existing state-of-the-art methods achieving an overall sensitivity of 87.16%.
Abstract（参考訳）: ディープネットワークにデータ固有のドメイン知識を明示的に組み込むことで、病変検出に有用な重要な手がかりとなり、堅牢な検出器を学習するための多様な異種データセットの必要性を軽減できる。本稿では,CT(Computed tomography)スキャンに存在する領域情報を活用し,単一のデータセットであるDeepLesionをトレーニングすることで,全身の臓器全体にわたる病変を検出可能な,堅牢な普遍的病変検出(ULD)ネットワークを提案する。我々は,異なる臓器を個別に強調表示し,深層ネットワークへの入力として付与するHuunsfield Unit(HU)ウィンドウを用いて,様々な強度のCTスライスを分析する。多重強度画像から得られた特徴は、新しい畳み込み拡張多頭部自己注意モジュールを用いて融合し、その後、病変検出のために地域提案ネットワーク(RPN)に渡される。また,自然画像に使用される従来のアンカーボックスは,医用画像によく見られる病変の大きさには適さないことがわかった。そこで本研究では,RPNの病変特異的アンカーサイズと比率を用いて検出性能を向上させることを提案する。私たちは、DeepLesionデータセット上のネットワークの重み付けを初期化するためにセルフスーパービジョンを使用し、ドメイン知識をさらに抑制します。提案するドメイン知識拡張型マルチヘッドアテンションベースユニバーサル病変検出ネットワークDMKA-ULDは,異なる臓器にまたがる病変に対して,洗練された正確な境界ボックスを生成する。約32KのCTスキャンと全臓器に注視病変を付加したDeepLesionデータセットを用いて,本ネットワークの有効性を検証した。その結果,既存の最先端手法よりも87.16%の感度が得られた。

関連論文リスト

Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
論文参考訳（メタデータ） (2023-10-22T02:27:02Z)
Full-scale Deeply Supervised Attention Network for Segmenting COVID-19 Lesions [0.24366811507669117]
我々は,CT画像におけるコロナ感染領域の効率的なセグメンテーションのためのフルスケールDeeply Supervised Attention Network(FuDSA-Net)を紹介した。モデルは、ネットワークの異なるレベルで取得されたマルチスカラー機能を含む、エンコーディングパスの全レベルからのアクティベーション応答を考察する。マルチスカラー特性の全領域を新しいアテンション機構に組み込むことで、アクティベーション応答と有用な情報を含む位置の選択が優先される。
論文参考訳（メタデータ） (2022-10-27T16:05:47Z)
OOOE: Only-One-Object-Exists Assumption to Find Very Small Objects in Chest Radiographs [9.226276232505734]
管や様々な解剖学的構造のような多くの異物は、胸部X線全体と比較して小さい。我々は,胸部X線写真中の小さなランドマークを局所化する深層ネットワークの能力を向上させるため,単純で効果的なOOOE(Only-One-Object-Exists)の仮定を提案する。
論文参考訳（メタデータ） (2022-10-13T07:37:33Z)
Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文参考訳（メタデータ） (2022-05-08T15:29:54Z)
Gastrointestinal Polyps and Tumors Detection Based on Multi-scale Feature-fusion with WCE Sequences [0.0]
本稿では,小腸ポリープと腫瘍を自動的に検出するtextbfTwo-stage textbfMulti-scale textbfFeature-fusion Learning Network(textbfTMFNet)を提案する。実験では22,335個のWCE画像を用いて,123,092個の病変領域を用いて検出の枠組みを訓練した。
論文参考訳（メタデータ） (2022-04-03T07:24:50Z)
An Efficient Anchor-free Universal Lesion Detection in CT-scans [19.165942326142538]
そこで本研究では, 種々の病変の規模にまたがって良好に機能する, 頑健な1段階のアンカーフリー病変検出ネットワークを提案する。我々は最先端の手法に匹敵する結果を得、DeepLesionデータセットで全体の感度は86.05%に達する。
論文参考訳（メタデータ） (2022-03-30T06:01:04Z)
Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文参考訳（メタデータ） (2020-12-10T04:01:07Z)
Multiscale Detection of Cancerous Tissue in High Resolution Slide Scans [0.0]
高分解能スライドスキャンにおけるマルチスケール腫瘍(キメラ細胞)検出アルゴリズムを提案する。提案手法では,CNNの異なる層における有効受容場を改良し,幅広いスケールの物体を1つの前方通過で検出する。
論文参考訳（メタデータ） (2020-10-01T18:56:46Z)
Domain Generalization for Medical Imaging Classification with Linear-Dependency Regularization [59.5104563755095]
本稿では,医用画像分類分野におけるディープニューラルネットワークの一般化能力向上のための,シンプルだが効果的なアプローチを提案する。医用画像の領域変数がある程度コンパクトであることに感銘を受けて,変分符号化による代表的特徴空間の学習を提案する。
論文参考訳（メタデータ） (2020-09-27T12:30:30Z)
Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文参考訳（メタデータ） (2020-04-22T07:30:56Z)
MS-Net: Multi-Site Network for Improving Prostate Segmentation with Heterogeneous MRI Data [75.73881040581767]
本稿では,ロバスト表現を学習し,前立腺のセグメンテーションを改善するための新しいマルチサイトネットワーク(MS-Net)を提案する。当社のMS-Netは,すべてのデータセットのパフォーマンスを一貫して改善し,マルチサイト学習における最先端の手法よりも優れています。
論文参考訳（メタデータ） (2020-02-09T14:11:50Z)

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。