論文の概要: Lightweight Encoder-Decoder Architecture for Foot Ulcer Segmentation
- arxiv url: http://arxiv.org/abs/2207.02515v1
- Date: Wed, 6 Jul 2022 08:42:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-07 14:20:56.792706
- Title: Lightweight Encoder-Decoder Architecture for Foot Ulcer Segmentation
- Title（参考訳）: 足部潰瘍セグメンテーションのための軽量エンコーダ・デコーダアーキテクチャ
- Authors: Shahzad Ali, Arif Mahmood, Soon Ki Jung
- Abstract要約: 足の潰瘍治癒の継続的なモニタリングは、所定の治療の有効性を確保し、劣化の可能性を回避するために必要である。
我々は、確立されたエンコーダデコーダと残差畳み込みニューラルネットワークに類似したモデルを開発した。
モデルトレーニング、テスト時間拡張、および得られた予測に対する多数決のための単純なパッチベースのアプローチにより、パフォーマンスが向上した。
- 参考スコア（独自算出の注目度）: 12.729149322066249
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Continuous monitoring of foot ulcer healing is needed to ensure the efficacy
of a given treatment and to avoid any possibility of deterioration. Foot ulcer
segmentation is an essential step in wound diagnosis. We developed a model that
is similar in spirit to the well-established encoder-decoder and residual
convolution neural networks. Our model includes a residual connection along
with a channel and spatial attention integrated within each convolution block.
A simple patch-based approach for model training, test time augmentations, and
majority voting on the obtained predictions resulted in superior performance.
Our model did not leverage any readily available backbone architecture,
pre-training on a similar external dataset, or any of the transfer learning
techniques. The total number of network parameters being around 5 million made
it a significantly lightweight model as compared with the available
state-of-the-art models used for the foot ulcer segmentation task. Our
experiments presented results at the patch-level and image-level. Applied on
publicly available Foot Ulcer Segmentation (FUSeg) Challenge dataset from
MICCAI 2021, our model achieved state-of-the-art image-level performance of
88.22% in terms of Dice similarity score and ranked second in the official
challenge leaderboard. We also showed an extremely simple solution that could
be compared against the more advanced architectures.
- Abstract（参考訳）: 足部潰瘍治癒の継続的なモニタリングは、所定の治療の有効性を保証し、劣化の可能性を避けるために必要である。
足部潰瘍の分節は創傷診断の重要なステップである。
我々は、確立されたエンコーダデコーダと残差畳み込みニューラルネットワークに類似したモデルを開発した。
本モデルでは、各畳み込みブロックに統合されたチャネルと空間的注意を伴う残留接続を含む。
モデルトレーニング、テスト時間拡張、および得られた予測に対する多数決に対する単純なパッチベースのアプローチは、優れたパフォーマンスをもたらした。
我々のモデルは、容易に利用可能なバックボーンアーキテクチャ、類似した外部データセットの事前トレーニング、あるいは転送学習のテクニックを活用できなかった。
約500万のネットワークパラメータの合計数は、足の潰瘍のセグメンテーションタスクで使用される最先端モデルと比較してかなり軽量なモデルとなった。
実験ではパッチレベルと画像レベルで結果を示した。
MICCAI 2021から公開されているフット・潰瘍・セグメンテーション(FUSeg)チャレンジデータセットを応用し、我々のモデルはDiceの類似度スコアで88.22%の最先端の画像レベルのパフォーマンスを達成し、公式のチャレンジ・リーダーボードで2位にランクインした。
さらに、より高度なアーキテクチャと比較できる非常にシンプルなソリューションも示しました。
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) - Dimensionality Reduction and Nearest Neighbors for Improving Out-of-Distribution Detection in Medical Image Segmentation [1.2873975765521795]
この研究は、肝臓を分断する4つのSwin UNETRとnnU-netモデルのボトルネック特徴にマハラノビス距離(MD)ポストホックを適用した。
モデルが失敗した画像は、高性能で最小の計算負荷で検出された。
論文 参考訳（メタデータ） (2024-08-05T18:24:48Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - Automatic Foot Ulcer segmentation Using an Ensemble of Convolutional
Neural Networks [3.037637906402173]
本稿では,2つのエンコーダデコーダに基づくCNNモデル,すなわちLinkNetとUNetに基づくアンサンブルアプローチを提案する。
提案手法は,最新データに基づくDiceスコアを92.07%,88.80%とした。
論文 参考訳（メタデータ） (2021-09-03T09:55:04Z) - Cascaded Robust Learning at Imperfect Labels for Chest X-ray
Segmentation [61.09321488002978]
不完全アノテーションを用いた胸部X線分割のための新しいカスケードロバスト学習フレームワークを提案する。
モデルは3つの独立したネットワークから成り,ピアネットワークから有用な情報を効果的に学習できる。
提案手法は,従来の手法と比較して,セグメント化タスクの精度を大幅に向上させることができる。
論文 参考訳（メタデータ） (2021-04-05T15:50:16Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z) - Lesion Net -- Skin Lesion Segmentation Using Coordinate Convolution and
Deep Residual Units [18.908448254745473]
メラノーマの皮膚病変のセグメント化の精度は、トレーニング、不規則な形状、不明瞭な境界、および異なる皮膚色のためのデータが少ないため、かなり困難な作業です。
提案手法は皮膚病変分節の精度を向上させるのに役立つ。
以上の結果から,提案モデルが既存の皮膚病変の分画法と同等以上の性能を示した。
論文 参考訳（メタデータ） (2020-12-28T14:43:04Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - BS-Net: learning COVID-19 pneumonia severity on a large Chest X-Ray
dataset [6.5800499500032705]
我々は、Chest X-rays画像(CXR)に基づいて、新型コロナウイルス患者の肺妥協の度合いを判定するエンド・ツー・エンドのディープラーニングアーキテクチャを設計する。
当院で収集した約5,000個のCXR注釈画像の臨床的データセットを利用して検討した。
私たちのソリューションは、評価精度と一貫性において、一人のアノテータよりも優れています。
論文 参考訳（メタデータ） (2020-06-08T13:55:58Z) - Progressive Adversarial Semantic Segmentation [11.323677925193438]
深い畳み込みニューラルネットワークは、完全な監視が与えられた場合、非常によく機能する。
画像解析タスクのための完全教師付きモデルの成功は、大量のラベル付きデータの入手に限られる。
本稿では,新しい医用画像分割モデル,Progressive Adrial Semantic(PASS)を提案する。
論文 参考訳（メタデータ） (2020-05-08T22:48:00Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z)
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。