論文の概要: DilatedSegNet: A Deep Dilated Segmentation Network for Polyp
Segmentation
- arxiv url: http://arxiv.org/abs/2210.13595v1
- Date: Mon, 24 Oct 2022 20:36:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-26 15:43:50.541315
- Title: DilatedSegNet: A Deep Dilated Segmentation Network for Polyp
Segmentation
- Title（参考訳）: dilatedsegnet:ポリプセグメンテーションのための深層拡張セグメンテーションネットワーク
- Authors: Nikhil Kumar Tomar, Debesh Jha, Ulas Bagci
- Abstract要約: 大腸癌は世界で2番目に多い死因である。
ディープラーニングを利用したコンピュータ支援診断システム(CAD)は、大腸内視鏡検査中に医師が見落としている大腸の領域を検出することができる。
高い精度とリアルタイム速度の欠如は、そのようなシステムの臨床的統合を成功させるために克服すべき重要な障害である。
- 参考スコア（独自算出の注目度）: 2.6179759969345002
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Colorectal cancer (CRC) is the second leading cause of cancer-related death
worldwide. Excision of polyps during colonoscopy helps reduce mortality and
morbidity for CRC. Powered by deep learning, computer-aided diagnosis (CAD)
systems can detect regions in the colon overlooked by physicians during
colonoscopy. Lacking high accuracy and real-time speed are the essential
obstacles to be overcome for successful clinical integration of such systems.
While literature is focused on improving accuracy, the speed parameter is often
ignored. Toward this critical need, we intend to develop a novel real-time deep
learning-based architecture, DilatedSegNet, to perform polyp segmentation on
the fly. DilatedSegNet is an encoder-decoder network that uses pre-trained
ResNet50 as the encoder from which we extract four levels of feature maps. Each
of these feature maps is passed through a dilated convolution pooling (DCP)
block. The outputs from the DCP blocks are concatenated and passed through a
series of four decoder blocks that predicts the segmentation mask. The proposed
method achieves a real-time operation speed of 33.68 frames per second with an
average dice coefficient of 0.90 and mIoU of 0.83. Additionally, we also
provide heatmap along with the qualitative results that shows the explanation
for the polyp location, which increases the trustworthiness of the method. The
results on the publicly available Kvasir-SEG and BKAI-IGH datasets suggest that
DilatedSegNet can give real-time feedback while retaining a high \ac{DSC},
indicating high potential for using such models in real clinical settings in
the near future. The GitHub link of the source code can be found here:
\url{https://github.com/nikhilroxtomar/DilatedSegNet}.
- Abstract（参考訳）: 大腸癌 (crc) は世界で2番目に多いがん関連死因である。
大腸内視鏡検査中のポリープの切除はcrcの死亡率と死亡率を低下させる。
ディープラーニングを利用したコンピュータ支援診断システム(CAD)は、大腸内視鏡検査中に医師が見落としている大腸の領域を検出することができる。
高い精度とリアルタイム速度の欠如は、そのようなシステムの臨床的統合を成功させるために克服すべき重要な障害である。
文学は精度の向上に重点を置いているが、速度パラメータはしばしば無視される。
この重要なニーズに向けて,我々は,リアルタイム深層学習に基づく新しいアーキテクチャ DilatedSegNet を開発し,その場でポリプセグメンテーションを行う。
dilatedsegnetは、プリトレーニングされたresnet50をエンコーダとして使用するエンコーダ/デコーダネットワークである。
これらの特徴マップはそれぞれ、拡張畳み込みプール(DCP)ブロックに渡される。
dcpブロックからの出力は連結され、セグメンテーションマスクを予測する一連の4つのデコーダブロックを通過する。
提案手法は,実時間動作速度33.68フレーム/秒,平均サイクリング係数0.90,miou 0.83を実現する。
さらに,本手法の信頼性を高めるため,ポリプ位置の説明を行う定性的な結果とともにヒートマップも提供する。
一般に公開されているKvasir-SEGとBKAI-IGHデータセットの結果は、DilatedSegNetが高い‘ac{DSC}’を維持しながらリアルタイムにフィードバックできることを示している。
ソースコードのgithubリンクは、ここで見ることができる。
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) - BetterNet: An Efficient CNN Architecture with Residual Learning and Attention for Precision Polyp Segmentation [0.6062751776009752]
本研究では,ポリプセグメンテーションの精度を高めるために,残差学習と注意法を組み合わせた畳み込みニューラルネットワークアーキテクチャであるBetterNetを提案する。
BetterNetは、ポリープの検出と癌の早期認識を強化するために、コンピュータ支援診断技術を統合することを約束している。
論文 参考訳（メタデータ） (2024-05-05T21:08:49Z) - TransRUPNet for Improved Polyp Segmentation [1.2498887792836635]
本研究では,トランスフォーマーをベースとしたResidual Upsampling Network (TransRUPNet) を開発した。
画像サイズが256times256$の場合、提案手法は、毎秒47.07フレームの優れたリアルタイム動作速度を実現する。
論文 参考訳（メタデータ） (2023-06-03T19:06:06Z) - RUPNet: Residual upsampling network for real-time polyp segmentation [2.6179759969345002]
大腸ポリープ分割のための新しいアーキテクチャであるResidual Upsampling Network (RUPNet)を提案する。
画像サイズは512×512$で、提案手法は毎秒152.60フレームの優れたリアルタイム動作速度を実現する。
論文 参考訳（メタデータ） (2023-01-06T20:21:37Z) - 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) - 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) - 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) - Deep ensembles based on Stochastic Activation Selection for Polyp
Segmentation [82.61182037130406]
本研究は,大腸内視鏡検査における画像分割,特に正確なポリープ検出とセグメンテーションを扱う。
イメージセグメンテーションの基本アーキテクチャはエンコーダとデコーダで構成されている。
我々はデコーダのバックボーンを変更することで得られるDeepLabアーキテクチャのバリエーションを比較した。
論文 参考訳（メタデータ） (2021-04-02T02:07:37Z) - 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) - 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)
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。