論文の概要: LSSANet: A Long Short Slice-Aware Network for Pulmonary Nodule Detection

• arxiv url: http://arxiv.org/abs/2208.02122v1
• Date: Wed, 3 Aug 2022 14:57:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-04 14:11:48.051851
• Title: LSSANet: A Long Short Slice-Aware Network for Pulmonary Nodule Detection
• Title（参考訳）: lssanet : 肺結節検出のための長短スライスアウェアネットワーク
• Authors: Rui Xu, Yong Luo, Bo Du, Kaiming Kuang, Jiancheng Yang
• Abstract要約: 肺結節検出のための長短スライス・アウェア・ネットワーク(LSSANet)を提案する。 特に、長短スライスグループ(LSSG)と呼ばれる新しい非局所的なメカニズムを開発する。 これにより計算負担が軽減されるだけでなく、スライスにまたがる任意の要素間の長距離依存関係も維持される。
• 参考スコア（独自算出の注目度）: 38.92730845107276
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Convolutional neural networks (CNNs) have been demonstrated to be highly effective in the field of pulmonary nodule detection. However, existing CNN based pulmonary nodule detection methods lack the ability to capture long-range dependencies, which is vital for global information extraction. In computer vision tasks, non-local operations have been widely utilized, but the computational cost could be very high for 3D computed tomography (CT) images. To address this issue, we propose a long short slice-aware network (LSSANet) for the detection of pulmonary nodules. In particular, we develop a new non-local mechanism termed long short slice grouping (LSSG), which splits the compact non-local embeddings into a short-distance slice grouped one and a long-distance slice grouped counterpart. This not only reduces the computational burden, but also keeps long-range dependencies among any elements across slices and in the whole feature map. The proposed LSSG is easy-to-use and can be plugged into many pulmonary nodule detection networks. To verify the performance of LSSANet, we compare with several recently proposed and competitive detection approaches based on 2D/3D CNN. Promising evaluation results on the large-scale PN9 dataset demonstrate the effectiveness of our method. Code is at https://github.com/Ruixxxx/LSSANet.
• Abstract（参考訳）: 畳み込みニューラルネットワーク(CNN)は肺結節検出の分野で非常に有効であることが示されている。 しかし、既存のCNNベースの肺結節検出法では、グローバルな情報抽出に不可欠な長距離依存関係を捕捉する能力が欠如している。 コンピュータビジョンタスクでは、非局所演算が広く利用されているが、3次元ct画像では計算コストが非常に高い可能性がある。 そこで本研究では,肺結節を検出するためのlong short slice-aware network (lssanet)を提案する。 特に,コンパクトな非局所埋め込みを短距離スライスグルーピング (long short slice grouping, lsg) と長距離スライスグルーピンググルーピング (long short slice grouping, lsg) に分けた新しい非局所機構を開発した。 これは計算の負担を軽減するだけでなく、スライスや機能マップ全体の要素間の長距離依存関係も維持します。 提案するlssgは容易に使用でき、多くの肺結節検出ネットワークに接続できる。 LSSANetの性能を検証するため,最近提案された2D/3D CNNに基づく競合検出手法と比較した。 大規模PN9データセットを用いた評価結果から,本手法の有効性を実証した。 コードはhttps://github.com/Ruixxxx/LSSANetにある。

関連論文リスト

• Leveraging Frequency Domain Learning in 3D Vessel Segmentation [50.54833091336862]
  本研究では,Fourier領域学習を3次元階層分割モデルにおけるマルチスケール畳み込みカーネルの代用として活用する。 管状血管分割作業において,新しいネットワークは顕著なサイス性能(ASACA500が84.37%,ImageCASが80.32%)を示した。
  論文  参考訳（メタデータ） (2024-01-11T19:07:58Z)
• Improved distinct bone segmentation in upper-body CT through multi-resolution networks [0.39583175274885335]
  上半身CTと異なる骨分画では、大きな視野と計算的な3Dアーキテクチャが必要とされる。 これにより、空間的コンテキストの欠如により、細部や局所的な誤差を欠いた低解像度な結果が得られる。 本稿では,異なる解像度で動作する複数の3次元U-Netを組み合わせたエンドツーエンドのトレーニング可能なセグメンテーションネットワークを提案する。
  論文  参考訳（メタデータ） (2023-01-31T14:46:16Z)
• Identification of lung nodules CT scan using YOLOv5 based on convolution neural network [0.0]
  本研究は, 肺に発生する結節を同定することを目的とした。 1段階検出器YOLOv5は280 CT SCANで訓練された。
  論文  参考訳（メタデータ） (2022-12-31T17:31:22Z)
• UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
  本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。 我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。 Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
  論文  参考訳（メタデータ） (2022-12-08T18:59:57Z)
• NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
  本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。 所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。 ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
  論文  参考訳（メタデータ） (2022-09-29T04:06:00Z)
• SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere Representation and Center Points Matching [47.79483848496141]
  3次元球面表現に基づく中心点マッチング検出ネットワーク(SCPM-Net)を提案する。 アンカーフリーで、nodule/anchorパラメータを手動で設計することなく、nodulesの位置、半径、オフセットを自動的に予測する。 提案するSCPM-Netフレームワークは,既存のアンカーベースおよびアンカーフリーの肺結節検出法と比較して,優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2021-04-12T05:51:29Z)
• 3D Axial-Attention for Lung Nodule Classification [0.11458853556386794]
  通常の非ローカルネットワークの計算能力のほんの一部を必要とする3D Axial-Attentionを使用することを提案する。 非局所ネットワークの位置不変問題を,共有埋め込みに3次元位置符号化を加えることを提案する。 その結果、3D Axial-Attentionモデルは、AUCやAccuracyを含むすべての評価指標で最先端のパフォーマンスを実現します。
  論文  参考訳（メタデータ） (2020-12-28T06:49:09Z)
• 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)
• Accurate and Efficient Intracranial Hemorrhage Detection and Subtype Classification in 3D CT Scans with Convolutional and Long Short-Term Memory Neural Networks [20.4701676109641]
  RSNA頭蓋内出血検出のためのシステムについて紹介する。 提案システムは,畳み込みニューラルネットワーク(CNN)を用いた軽量深層ニューラルネットワークアーキテクチャに基づいている。 最終テストセットの重み付き平均ログ損失は0.04989で、合計1345名から上位30名(2%)にランクインした。
  論文  参考訳（メタデータ） (2020-08-01T17:28:25Z)

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。