論文の概要: TransResU-Net: Transformer based ResU-Net for Real-Time Colonoscopy Polyp Segmentation

• arxiv url: http://arxiv.org/abs/2206.08985v1
• Date: Fri, 17 Jun 2022 19:36:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-26 20:23:27.645218
• Title: TransResU-Net: Transformer based ResU-Net for Real-Time Colonoscopy Polyp Segmentation
• Title（参考訳）: TransResU-Net: Real-Time Colonoscopy Polyp SegmentationのためのTransformerベースのResU-Net
• Authors: Nikhil Kumar Tomar, Annie Shergill, Brandon Rieders, Ulas Bagci, Debesh Jha
• Abstract要約: ポリープ,腺腫,進行腺腫の誤診率は高い。 深層学習に基づくコンピュータ支援診断システム(CADx)は、消化器科医が見逃される可能性のあるポリプを見つけるのに役立つかもしれない。 TransResU-Netはリアルタイムポリープ検出システムを構築するための強力なベンチマークになり得る。
• 参考スコア（独自算出の注目度）: 1.9875031133911856
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Colorectal cancer (CRC) is one of the most common causes of cancer and cancer-related mortality worldwide. Performing colon cancer screening in a timely fashion is the key to early detection. Colonoscopy is the primary modality used to diagnose colon cancer. However, the miss rate of polyps, adenomas and advanced adenomas remains significantly high. Early detection of polyps at the precancerous stage can help reduce the mortality rate and the economic burden associated with colorectal cancer. Deep learning-based computer-aided diagnosis (CADx) system may help gastroenterologists to identify polyps that may otherwise be missed, thereby improving the polyp detection rate. Additionally, CADx system could prove to be a cost-effective system that improves long-term colorectal cancer prevention. In this study, we proposed a deep learning-based architecture for automatic polyp segmentation, called Transformer ResU-Net (TransResU-Net). Our proposed architecture is built upon residual blocks with ResNet-50 as the backbone and takes the advantage of transformer self-attention mechanism as well as dilated convolution(s). Our experimental results on two publicly available polyp segmentation benchmark datasets showed that TransResU-Net obtained a highly promising dice score and a real-time speed. With high efficacy in our performance metrics, we concluded that TransResU-Net could be a strong benchmark for building a real-time polyp detection system for the early diagnosis, treatment, and prevention of colorectal cancer. The source code of the proposed TransResU-Net is publicly available at https://github.com/nikhilroxtomar/TransResUNet.
• Abstract（参考訳）: 大腸癌 (crc) は、がんおよびがん関連死亡の最も一般的な原因の1つである。 早期発見の鍵は,大腸癌検診をタイムリーに行うことにある。 大腸内視鏡は大腸癌の診断に使用される一次形態である。 しかし, ポリープ, 腺腫, 進行腺腫のミス率は有意に高かった。 早期のポリープの早期検出は、大腸癌に伴う死亡率と経済的負担を軽減するのに役立つ。 深層学習に基づくコンピュータ支援診断システム(CADx)は、消化器科医が見逃される可能性のあるポリープを識別し、ポリープ検出率を向上させるのに役立つ。 さらにCADxシステムは、長期の大腸癌予防を改善するコスト効率の高いシステムであることが証明できる。 本研究では,Transformer ResU-Net(TransResU-Net)と呼ばれる,自動ポリープセグメンテーションのためのディープラーニングアーキテクチャを提案する。 提案アーキテクチャはResNet-50をバックボーンとして残余ブロック上に構築されており,トランスフォーマーの自己保持機構と拡張畳み込みの利点を生かしている。 公開された2つのポリプセグメンテーションベンチマークデータセットによる実験結果から,TransResU-Netは高い有望なダイススコアとリアルタイム速度を得た。 その結果,transresu-netは大腸癌早期診断,治療,予防のためのリアルタイムポリープ検出システムを構築するための強力なベンチマークとなる可能性が示唆された。 TransResU-Netのソースコードはhttps://github.com/nikhilroxtomar/TransResUNetで公開されている。

関連論文リスト

• Transformer-Enhanced Iterative Feedback Mechanism for Polyp Segmentation [3.017482151674131]
  大腸内視鏡画像からポリープを正確に分割する先進的なエンコーダデコーダネットワークであるtextittextbfacFANet2 を導入する。 FANetv2は、新たなフィードバックアテンション機構を通じて、バイナリセグメンテーションマスクを反復的に洗練する。 ポリプの個数(1個または複数)とサイズ(小、中、大)に関する必須情報を統合し、その特徴表現能力をさらに強化する。
  論文  参考訳（メタデータ） (2024-08-25T02:39:45Z)
• Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
  カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。 拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。 本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
  論文  参考訳（メタデータ） (2023-11-30T15:11:03Z)
• A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
  Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。 Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
  論文  参考訳（メタデータ） (2023-04-12T05:41:44Z)
• Automatic Polyp Segmentation with Multiple Kernel Dilated Convolution Network [3.1374864575817214]
  本研究では,自動ポリープセグメンテーションのための新しいディープラーニングアーキテクチャ,textbfMKDCNetを提案する。 4つの公開ポリプデータセットと細胞核データセットの実験は、提案されたMKDCNetが最先端の手法より優れていることを示している。 MKDCNetは、臨床大腸内視鏡のためのリアルタイムシステムを構築するための強力なベンチマークとなる。
  論文  参考訳（メタデータ） (2022-06-13T15:47:38Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• 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)
• AG-CUResNeSt: A Novel Method for Colon Polyp Segmentation [0.0]
  本稿では、ロバストなResNeStバックボーンとアテンションゲートを用いて結合ユニセットを強化するAG-CUResNeStと呼ばれる新しいニューラルネットワークアーキテクチャを提案する。 提案手法は既存手法と比較して最先端の精度を実現する。
  論文  参考訳（メタデータ） (2021-05-02T06:36:36Z)
• 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)
• Colorectal Polyp Segmentation by U-Net with Dilation Convolution [9.840695333927496]
  大腸癌(英:Colorectal cancer, CRC)は、アメリカ合衆国で最も一般的に診断されるがんの1つであり、がん死の原因となっている。 現在最も一般的な大腸ポリープ検出法は大腸内視鏡である。 大腸ポリープセグメンテーションのための新しいエンドツーエンドディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2019-12-26T23:27:18Z)

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。