論文の概要: TGANet: Text-guided attention for improved polyp segmentation
- arxiv url: http://arxiv.org/abs/2205.04280v1
- Date: Mon, 9 May 2022 13:53:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-10 17:47:25.929683
- Title: TGANet: Text-guided attention for improved polyp segmentation
- Title（参考訳）: TGANet:ポリプセグメンテーション改善のためのテキスト誘導注意
- Authors: Nikhil Kumar Tomar, Debesh Jha, Ulas Bagci, Sharib Ali
- Abstract要約: 大腸内視鏡は金標準法であるが,操作性が高い。前駆体である自動ポリープセグメンテーションは早期の大腸癌の再発率とタイムリーな治療を最小化することができる。
トレーニング中にテキストアテンションの形でサイズとポリプ数に関連する特徴を活用できる。
提案するテキスト誘導型アテンションネットワーク(TGANet)は,異なるデータセットにおける可変サイズポリープによく対応できる。
- 参考スコア（独自算出の注目度）: 2.3293678240472517
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Colonoscopy is a gold standard procedure but is highly operator-dependent.
Automated polyp segmentation, a precancerous precursor, can minimize missed
rates and timely treatment of colon cancer at an early stage. Even though there
are deep learning methods developed for this task, variability in polyp size
can impact model training, thereby limiting it to the size attribute of the
majority of samples in the training dataset that may provide sub-optimal
results to differently sized polyps. In this work, we exploit size-related and
polyp number-related features in the form of text attention during training. We
introduce an auxiliary classification task to weight the text-based embedding
that allows network to learn additional feature representations that can
distinctly adapt to differently sized polyps and can adapt to cases with
multiple polyps. Our experimental results demonstrate that these added text
embeddings improve the overall performance of the model compared to
state-of-the-art segmentation methods. We explore four different datasets and
provide insights for size-specific improvements. Our proposed text-guided
attention network (TGANet) can generalize well to variable-sized polyps in
different datasets.
- Abstract（参考訳）: 大腸内視鏡は金の標準法であるが、操作性は高い。
前駆体である自動ポリープセグメンテーションは、早期に欠失率と大腸癌のタイムリーな治療を最小化することができる。
このタスクのために深層学習手法が開発されているが、ポリプサイズの変動はモデルトレーニングに影響を与える可能性があるため、トレーニングデータセットの大多数のサンプルのサイズ属性に制限されるため、異なるサイズのポリプに対して準最適結果を提供することができる。
本研究では,学習中のテキスト注意の形で,サイズとポリプ数に関連する特徴を利用する。
本稿では,異なるサイズのポリープに適応し,複数のポリープを持つケースに適応可能な特徴表現をネットワークで学習することのできる,テキストベースの埋め込みを重み付けする補助的分類タスクを提案する。
実験結果から, これらの追加テキスト埋め込みは, 最先端セグメンテーション法と比較して, モデル全体の性能を向上することが示された。
4つの異なるデータセットを調査し、サイズ固有の改善の洞察を提供する。
提案するテキスト誘導アテンションネットワーク(TGANet)は,異なるデータセットにおける可変サイズポリープによく対応できる。
関連論文リスト
- Polyp-E: Benchmarking the Robustness of Deep Segmentation Models via Polyp Editing [32.30835026874521]
日常的な臨床実践では、臨床医は位置と大きさのばらつきの両方でポリープを識別する堅牢性を示す。
自動大腸内視鏡検査において,深部分割モデルが同等の堅牢性を達成できるかどうかは不明である。
本研究は,ポリプ上でのセグメンテーションモデルのロバスト性について,様々な属性と健全なサンプルを用いて評価することに焦点を当てる。
論文 参考訳（メタデータ） (2024-10-22T06:30:37Z) - ASPS: Augmented Segment Anything Model for Polyp Segmentation [77.25557224490075]
SAM(Segment Anything Model)は、ポリープセグメンテーションに先例のないポテンシャルを導入している。
SAMのTransformerベースの構造は、グローバルおよび低周波情報を優先する。
CFAはトレーニング可能なCNNエンコーダブランチと凍結したViTエンコーダを統合し、ドメイン固有の知識の統合を可能にする。
論文 参考訳（メタデータ） (2024-06-30T14:55:32Z) - 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) - A Survey on Deep Learning for Polyp Segmentation: Techniques, Challenges
and Future Trends [41.267545810720044]
大腸癌予防・治療におけるポリープの早期検出と評価
昔は、色、テクスチャ、形などの手作業で抽出した下品な特徴に頼っていた。
ディープラーニングの出現に伴い、より優れた医療画像分割アルゴリズムが出現している。
論文 参考訳（メタデータ） (2023-11-30T09:14:37Z) - 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) - Stepwise Feature Fusion: Local Guides Global [14.394421688712052]
本稿では,ピラミッドトランスフォーマーエンコーダを用いた医用画像セグメンテーションのためのState-Of-The-Artモデルを提案する。
提案するプログレッシブ・ローカリティ・デコーダをピラミッドトランスフォーマーのバックボーンに適応させて,局所的特徴と注意分散を強調する。
論文 参考訳（メタデータ） (2022-03-07T10:36:38Z) - 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) - 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) - 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)
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。