論文の概要: ESFPNet: efficient deep learning architecture for real-time lesion segmentation in autofluorescence bronchoscopic video

• arxiv url: http://arxiv.org/abs/2207.07759v1
• Date: Fri, 15 Jul 2022 21:21:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-19 18:17:00.794658
• Title: ESFPNet: efficient deep learning architecture for real-time lesion segmentation in autofluorescence bronchoscopic video
• Title（参考訳）: ESFPNet:自動蛍光ビデオにおけるリアルタイム病変分割のための効率的なディープラーニングアーキテクチャ
• Authors: Qi Chang, Danish Ahmad, Jennifer Toth, Rebecca Bascom, William E. Higgins
• Abstract要約: AFBビデオストリームからの気管支病変の堅牢な検出とセグメンテーションのためのリアルタイムディープラーニングアーキテクチャESFPNetを提案する。 肺がん患者気道検査によるAFBビデオの結果,Dice indexとIOU値は0.782,0.658であった。
• 参考スコア（独自算出の注目度）: 2.7436483977171333
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Lung cancer tends to be detected at an advanced stage, resulting in a high patient mortality rate. Thus, recent research has focused on early disease detection. Lung cancer generally first appears as lesions developing within the bronchial epithelium of the airway walls. Bronchoscopy is the procedure of choice for effective noninvasive bronchial lesion detection. In particular, autofluorescence bronchoscopy (AFB) discriminates the autofluorescence properties of normal and diseased tissue, whereby lesions appear reddish brown in AFB video frames, while normal tissue appears green. Because recent studies show AFB's ability for high lesion sensitivity, it has become a potentially pivotal method during the standard bronchoscopic airway exam for early-stage lung cancer detection. Unfortunately, manual inspection of AFB video is extremely tedious and error-prone, while limited effort has been expended toward potentially more robust automatic AFB lesion detection and segmentation. We propose a real-time deep learning architecture ESFPNet for robust detection and segmentation of bronchial lesions from an AFB video stream. The architecture features an encoder structure that exploits pretrained Mix Transformer (MiT) encoders and a stage-wise feature pyramid (ESFP) decoder structure. Results from AFB videos derived from lung cancer patient airway exams indicate that our approach gives mean Dice index and IOU values of 0.782 and 0.658, respectively, while having a processing throughput of 27 frames/sec. These values are superior to results achieved by other competing architectures that use Mix transformers or CNN-based encoders. Moreover, the superior performance on the ETIS-LaribPolypDB dataset demonstrates its potential applicability to other domains.
• Abstract（参考訳）: 肺癌は進行段階において発見される傾向にあり、患者の死亡率が高い。 そのため、近年の研究は早期疾患検出に重点を置いている。 一般的に肺がんは気道壁の気管支上皮内に発生する病変として現れる。 気管支鏡は非侵襲的気管支病変検出に有効な方法である。 特に、afb(autofluorescence bronchoscopy)は正常組織と疾患組織の自己蛍光特性を判別し、adbビデオフレームでは病変が赤褐色に見え、正常組織は緑色に見える。 最近の研究では、AFBの高病変感受性能力が示されているため、早期肺癌検出のための標準的な気管支鏡検査において、これは潜在的に重要な方法となっている。 残念なことに、AFBビデオの手動検査は極めて面倒でエラーを起こしやすいが、より堅牢な自動AFB病変検出とセグメンテーションに向けては、限られた努力が費やされている。 AFBビデオストリームからの気管支病変の堅牢な検出とセグメンテーションのためのリアルタイムディープラーニングアーキテクチャESFPNetを提案する。 このアーキテクチャは、プリトレーニングされたmix transformer(mit)エンコーダを利用するエンコーダ構造と、ステージワイズ機能ピラミッド(esfp)デコーダ構造を備えている。 肺がん患者の気道検査から得られたadbビデオから得られた結果から,平均ダイス指数は0.782,iou値は0.658であり,処理スループットは27フレーム/秒であった。 これらの値は、Mix変換器やCNNベースのエンコーダを使用する他の競合アーキテクチャによる結果よりも優れている。 さらにETIS-LaribPolypDBデータセットの優れたパフォーマンスは、他のドメインへの適用可能性を示している。

関連論文リスト

• MSDet: Receptive Field Enhanced Multiscale Detection for Tiny Pulmonary Nodule [17.838015589388014]
  肺結節は肺癌の早期診断における重要な指標である。 従来のCT画像撮影法は、煩雑な処置、低検出率、ローカライゼーション精度の低下に悩まされていた。 肺小結節検出のためのマルチスケールアテンションおよび受容野ネットワークであるMSDetを提案する。
  論文  参考訳（メタデータ） (2024-09-21T06:08:23Z)
• Autofluorescence Bronchoscopy Video Analysis for Lesion Frame Detection [2.7436483977171333]
  自家蛍光式気管支鏡(AFB)は気管支病変の検出に使用される一次的適応である。 本稿では,情報フレームと非情報フレームを区別する頑健な自動AFB解析手法を提案する。 提案手法は,コンピュータによる画像解析,機械学習,深層学習を組み合わせた手法である。
  論文  参考訳（メタデータ） (2023-03-21T21:10:35Z)
• SGDA: Towards 3D Universal Pulmonary Nodule Detection via Slice Grouped Domain Attention [47.44114201293201]
  肺がんは世界中でがんの死因となっている。 現在の肺結節検出法は通常ドメイン固有である。 肺結節検出ネットワークの一般化能力を高めるために,スライスグループドメインアテンション(SGDA)モジュールを提案する。
  論文  参考訳（メタデータ） (2023-03-07T03:17:49Z)
• An Efficient and Robust Method for Chest X-Ray Rib Suppression that Improves Pulmonary Abnormality Diagnosis [0.49998148477760956]
  胸部X線(CXR)に対する胸部骨陰影の抑制は肺疾患の診断を改善することが示唆された。 従来のアプローチは、教師なしの物理的および教師なしのディープラーニングモデルに分類される。 本研究では,(1)空間変換勾配場における物理モデルによる最小化によりGT骨影を除去した2段階のトレーニングペアの生成について,一般化可能かつ効率的なワークフローを提案する。 2) 受信したCXRの高速リブ除去のために,ステージ1データセット上でのネットワークトレーニングをフル教師する。
  論文  参考訳（メタデータ） (2023-02-19T23:47:02Z)
• Spatio-Temporal Hybrid Fusion of CAE and SWIn Transformers for Lung Cancer Malignancy Prediction [14.7474816215111]
  本稿では,新しいハイブリッド・ディスカバリ・ラジオミクス・フレームワークを提案する。 非薄い胸部CTスライスから抽出した時間的特徴と空間的特徴を同時に統合する。 肺腺癌(LUAC)の悪性度を最小限に予測する。
  論文  参考訳（メタデータ） (2022-10-27T10:07:00Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Weakly Supervised Airway Orifice Segmentation in Video Bronchoscopy [0.0]
  本論文は気管支鏡視下気管支鏡視下における気管支拡張術の自動化について述べる。 このタスクに対するディープラーニングベースのアプローチは、現在、容易に利用できる真実のセグメンテーションデータが欠如しているため、妨げられている。 我々はk平均からなるデータ駆動パイプラインと、コンパクトなマーカーベースの流域アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-08-24T12:18:25Z)
• 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)
• Fibrosis-Net: A Tailored Deep Convolutional Neural Network Design for Prediction of Pulmonary Fibrosis Progression from Chest CT Images [59.622239796473885]
  肺線維症は、回復不能な肺組織スカーリングおよび損傷を引き起こす慢性肺疾患であり、肺容量の進行的減少と既知の治療法がない。 胸部CT画像からの肺線維化進展の予測に適した深部畳み込みニューラルネットワークであるFibrosis-Netを導入する。
  論文  参考訳（メタデータ） (2021-03-06T02:16:41Z)
• Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
  前頭部胸部X線画像の重症度予測モデルを提案する。 このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
  論文  参考訳（メタデータ） (2020-05-24T23:13:16Z)

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。