論文の概要: Salient Skin Lesion Segmentation via Dilated Scale-Wise Feature Fusion
Network
- arxiv url: http://arxiv.org/abs/2205.10272v1
- Date: Fri, 20 May 2022 16:08:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-23 15:11:48.381756
- Title: Salient Skin Lesion Segmentation via Dilated Scale-Wise Feature Fusion
Network
- Title(参考訳): Dilated Scale-Wise Feature Fusion Network による局所皮膚病変分割
- Authors: Pourya Shamsolmoali, Masoumeh Zareapoor, Eric Granger, Huiyu Zhou
- Abstract要約: 現在の皮膚病変のセグメンテーションアプローチは、困難な状況下ではパフォーマンスが悪くなっている。
畳み込み分解に基づく拡張スケールワイド機能融合ネットワークを提案する。
提案手法は, 常に最先端の結果を示す。
- 参考スコア(独自算出の注目度): 28.709314434820953
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Skin lesion detection in dermoscopic images is essential in the accurate and
early diagnosis of skin cancer by a computerized apparatus. Current skin lesion
segmentation approaches show poor performance in challenging circumstances such
as indistinct lesion boundaries, low contrast between the lesion and the
surrounding area, or heterogeneous background that causes over/under
segmentation of the skin lesion. To accurately recognize the lesion from the
neighboring regions, we propose a dilated scale-wise feature fusion network
based on convolution factorization. Our network is designed to simultaneously
extract features at different scales which are systematically fused for better
detection. The proposed model has satisfactory accuracy and efficiency. Various
experiments for lesion segmentation are performed along with comparisons with
the state-of-the-art models. Our proposed model consistently showcases
state-of-the-art results.
- Abstract(参考訳): 皮膚内視鏡像における皮膚病変の検出は,コンピュータ化装置による皮膚癌の正確な早期診断に不可欠である。
現在の皮膚病変のセグメンテーションアプローチは、不連続な病変境界、病変と周辺領域の低コントラスト、皮膚病変のオーバー/アンダーセグメンテーションを引き起こす異種背景などの困難な状況において、パフォーマンスが低い。
隣接領域からの病変を正確に把握するために,畳み込み因子化に基づく拡張型スケールワイズ特徴融合ネットワークを提案する。
我々のネットワークは、より優れた検出のために体系的に融合された異なるスケールで同時に特徴を抽出するように設計されている。
提案モデルは精度と効率が良好である。
病変の分節に関する様々な実験と最先端モデルとの比較を行った。
提案モデルは最先端の成果を一貫して提示する。
関連論文リスト
- LSSF-Net: Lightweight Segmentation with Self-Awareness, Spatial Attention, and Focal Modulation [8.566930077350184]
本研究では,モバイル端末を用いた皮膚病変のセグメンテーションに特化して設計された,新しい軽量ネットワークを提案する。
ネットワークは、コンバータベースの焦点変調注意、自己認識型局所空間注意、分割チャネルシャッフルを組み込んだエンコーダデコーダアーキテクチャで構成されている。
経験的所見は、Jaccardの指標に顕著な、最先端のパフォーマンスを裏付けるものである。
論文 参考訳(メタデータ) (2024-09-03T03:06:32Z) - Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary
Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。
この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。
PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文 参考訳(メタデータ) (2024-02-16T05:16:20Z) - DDI-CoCo: A Dataset For Understanding The Effect Of Color Contrast In
Machine-Assisted Skin Disease Detection [51.92255321684027]
皮膚のトーンと色差効果の相互作用について検討し,色差が皮膚のトーン間のモデル性能バイアスの新たな原因となる可能性が示唆された。
我々の研究は皮膚疾患の検出を改善するために皮膚科のAIに補完的な角度を提供する。
論文 参考訳(メタデータ) (2024-01-24T07:45:24Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳(メタデータ) (2023-10-11T05:49:47Z) - Unsupervised Skin Lesion Segmentation via Structural Entropy
Minimization on Multi-Scale Superpixel Graphs [59.19218582436495]
本研究では,構造エントロピーと孤立林外層検出に基づく非教師付き皮膚病変sEgmentationフレームワーク,すなわちSLEDを提案する。
皮膚病変は、皮膚内視鏡像から構築した超画素グラフの構造エントロピーを最小化することにより区分される。
健康な皮膚の特徴の整合性を特徴とし, マルチスケールのセグメンテーション機構を考案し, マルチスケールのスーパーピクセル特徴を活用して, セグメンテーション精度を向上させる。
論文 参考訳(メタデータ) (2023-09-05T02:15:51Z) - 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) - A Survey on Deep Learning for Skin Lesion Segmentation [32.523358996420846]
皮膚がんは、この一般的な疾患の負担を軽減するために、コンピュータ支援による診断の恩恵を受ける主要な公衆衛生問題である。
画像からの皮膚病変のセグメンテーションは、この目標を達成するための重要なステップである。
天然物や人工物(毛髪や気泡など)の存在、本質的要因(病変の形状やコントラストなど)、画像取得条件の変化により、皮膚病変のセグメンテーションは難しい課題となる。
論文 参考訳(メタデータ) (2022-06-01T09:43:10Z) - Dermoscopic Image Classification with Neural Style Transfer [5.314466196448187]
皮膚病変分類問題に対する新しい画像前処理ステップとして,NST(Neural Style Transfer)の適応を提案する。
各皮膚内視鏡像をスタイル画像として表現し、病変のスタイルを均質なコンテンツ画像に転送します。
これにより、各病変の主な変動を同じ局在領域に転送し、生成された画像を一緒に統合し、潜伏した低ランクスタイルの特徴を抽出します。
論文 参考訳(メタデータ) (2021-05-17T03:50:51Z) - DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。
我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。
皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
論文 参考訳(メタデータ) (2020-08-19T06:02:46Z) - Bi-directional Dermoscopic Feature Learning and Multi-scale Consistent
Decision Fusion for Skin Lesion Segmentation [28.300486641368234]
本稿では,皮膚病変と情報的文脈との複雑な相関をモデル化する,新しい双方向皮膚機能学習(biDFL)フレームワークを提案する。
また,複数の分類層から発生する情報的決定に選択的に集中できるマルチスケール一貫した決定融合(mCDF)を提案する。
論文 参考訳(メタデータ) (2020-02-20T12:00:24Z)
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。