Fugu-MT 論文翻訳(概要): HarDNet-DFUS: An Enhanced Harmonically-Connected Network for Diabetic Foot Ulcer Image Segmentation and Colonoscopy Polyp Segmentation

論文の概要: HarDNet-DFUS: An Enhanced Harmonically-Connected Network for Diabetic Foot Ulcer Image Segmentation and Colonoscopy Polyp Segmentation

arxiv url: http://arxiv.org/abs/2209.07313v1
Date: Thu, 15 Sep 2022 14:17:11 GMT
ステータス: 処理完了
システム内更新日: 2022-09-16 13:28:24.068312
Title: HarDNet-DFUS: An Enhanced Harmonically-Connected Network for Diabetic Foot Ulcer Image Segmentation and Colonoscopy Polyp Segmentation
Title（参考訳）: HarDNet-DFUS: 糖尿病性足底画像分割と大腸内視鏡ポリープ分割のための高調波接続型ネットワーク
Authors: Ting-Yu Liao, Ching-Hui Yang, Yu-Wen Lo, Kuan-Ying Lai, Po-Huai Shen and Youn-Long Lin (Department of Computer Science, National Tsing Hua University, Hsinchu, TAIWAN)
Abstract要約: 糖尿病性足潰瘍と大腸内視鏡ポリープの医用画像分割のためのニューラルネットワークアーキテクチャを提案する。 HarDNet-DFUSは大腸内視鏡ポリープ分割作業において優れた性能を発揮する。
参考スコア（独自算出の注目度）: 0.33727511459109766
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a neural network architecture for medical image segmentation of diabetic foot ulcers and colonoscopy polyps. Diabetic foot ulcers are caused by neuropathic and vascular complications of diabetes mellitus. In order to provide a proper diagnosis and treatment, wound care professionals need to extract accurate morphological features from the foot wounds. Using computer-aided systems is a promising approach to extract related morphological features and segment the lesions. We propose a convolution neural network called HarDNet-DFUS by enhancing the backbone and replacing the decoder of HarDNet-MSEG, which was SOTA for colonoscopy polyp segmentation in 2021. For the MICCAI 2022 Diabetic Foot Ulcer Segmentation Challenge (DFUC2022), we train HarDNet-DFUS using the DFUC2022 dataset and increase its robustness by means of five-fold cross validation, Test Time Augmentation, etc. In the validation phase of DFUC2022, HarDNet-DFUS achieved 0.7063 mean dice and was ranked third among all participants. In the final testing phase of DFUC2022, it achieved 0.7287 mean dice and was the first place winner. HarDNet-DFUS also deliver excellent performance for the colonoscopy polyp segmentation task. It achieves 0.924 mean Dice on the famous Kvasir dataset, an improvement of 1.2\% over the original HarDNet-MSEG. The codes are available on https://github.com/kytimmylai/DFUC2022 (for Diabetic Foot Ulcers Segmentation) and https://github.com/YuWenLo/HarDNet-DFUS (for Colonoscopy Polyp Segmentation).
Abstract（参考訳）: 糖尿病性足潰瘍と大腸内視鏡ポリープの医用画像分割のためのニューラルネットワークアーキテクチャを提案する。糖尿病性足潰瘍は糖尿病の神経因性および血管性合併症によって引き起こされる。適切な診断と治療を行うためには、傷口から正確な形態的特徴を抽出する必要がある。コンピュータ支援システムの使用は、関連する形態的特徴を抽出し、病変を分断するための有望なアプローチである。 2021年の大腸内視鏡ポリープ分離のためのSOTAであるHarDNet-MSEGのバックボーンを強化し,デコーダを置き換えることで,HarDNet-DFUSと呼ばれる畳み込みニューラルネットワークを提案する。 MICCAI 2022 Diabetic Foot Ulcer Segmentation Challenge (DFUC2022)では、DFUC2022データセットを用いてHarDNet-DFUSをトレーニングし、5倍のクロスバリデーション、テスト時間拡張などを用いてその堅牢性を高める。 DFUC2022の検証段階では、HarDNet-DFUSは平均ダイス0.7063に達し、全参加者の中で3位となった。 DFUC2022の最終試験段階では平均ダイス0.7287を達成し、初優勝となった。 HarDNet-DFUSは大腸内視鏡ポリープ分割作業にも優れた性能を示した。有名な kvasir データセット上で 0.924 平均 dice を達成し、オリジナルの hardnet-mseg よりも 1.2\% 向上した。コードはhttps://github.com/kytimmylai/DFUC2022 (糖尿病足潰瘍分節)とhttps://github.com/YuWenLo/HarDNet-DFUS (大腸ポリープ分節)で入手できる。

関連論文リスト

SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
論文参考訳（メタデータ） (2024-11-14T17:06:00Z)
DiabetesNet: A Deep Learning Approach to Diabetes Diagnosis [6.095029229301643]
3つのデータセットの実験結果は、従来の手法と比較して、全体的な精度、感度、特異性を大幅に改善したことを示している。このことは、堅牢な糖尿病診断のためのディープラーニングモデルの可能性を示している。
論文参考訳（メタデータ） (2024-03-12T10:18:59Z)
FUSegNet: A Deep Convolutional Neural Network for Foot Ulcer Segmentation [3.880691536038042]
FUSegNetは糖尿病患者の足部潰瘍分節の新しいモデルである。トレーニング済みのEfficientNet-b7をバックボーンとして使用し、限られたトレーニングサンプルの問題に対処する。
論文参考訳（メタデータ） (2023-05-04T16:07:22Z)
Translating Clinical Delineation of Diabetic Foot Ulcers into Machine Interpretable Segmentation [3.9903913600002507]
本稿では,新しい糖尿病性足潰瘍データセットであるDFUC2022を提案する。深層学習ネットワークによる臨床記述が機械的解釈可能か,画像処理による精細な輪郭の使用が必要かを評価する。本稿では,精細な輪郭を用いた画像処理が,機械予測結果とよりよく一致できることを実証する。
論文参考訳（メタデータ） (2022-04-22T09:54:35Z)
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 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)
High performing ensemble of convolutional neural networks for insect pest image detection [124.23179560022761]
害虫の寄生は作物の被害の主な原因であり、世界中の収入を失った。我々は異なるトポロジに基づいてCNNのアンサンブルを生成する。ディープネットワーク最適化のための2つの新しいAdamアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-08-28T00:49:11Z)
DDANet: Dual Decoder Attention Network for Automatic Polyp Segmentation [0.3734402152170273]
本稿では,デュアルデコーダアテンションネットワークに基づくDDANet'という新しいアーキテクチャを提案する。実験では、Kvasir-SEGデータセットで訓練され、見えないデータセットでテストされたモデルは、0.7874のダイス係数、0.7010のmIoU、0.7987のリコール、0.8577の精度を達成した。
論文参考訳（メタデータ） (2020-12-30T17:52:35Z)
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)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
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。