論文の概要: Feedback Chain Network For Hippocampus Segmentation

• arxiv url: http://arxiv.org/abs/2211.07891v1
• Date: Tue, 15 Nov 2022 04:32:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-16 14:52:40.651263
• Title: Feedback Chain Network For Hippocampus Segmentation
• Title（参考訳）: 海馬セグメンテーションのためのフィードバックチェーンネットワーク
• Authors: Heyu Huang, Runmin Cong, Lianhe Yang, Ling Du, Cong Wang, and Sam Kwong
• Abstract要約: 海馬セグメンテーションタスクのための階層型フィードバックチェーンネットワークを提案する。 提案手法は,3つの公開データセット上での最先端のパフォーマンスを実現する。
• 参考スコア（独自算出の注目度）: 59.74305660815117
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The hippocampus plays a vital role in the diagnosis and treatment of many neurological disorders. Recent years, deep learning technology has made great progress in the field of medical image segmentation, and the performance of related tasks has been constantly refreshed. In this paper, we focus on the hippocampus segmentation task and propose a novel hierarchical feedback chain network. The feedback chain structure unit learns deeper and wider feature representation of each encoder layer through the hierarchical feature aggregation feedback chains, and achieves feature selection and feedback through the feature handover attention module. Then, we embed a global pyramid attention unit between the feature encoder and the decoder to further modify the encoder features, including the pair-wise pyramid attention module for achieving adjacent attention interaction and the global context modeling module for capturing the long-range knowledge. The proposed approach achieves state-of-the-art performance on three publicly available datasets, compared with existing hippocampus segmentation approaches.
• Abstract（参考訳）: 海馬は多くの神経疾患の診断と治療において重要な役割を果たす。 近年, 深層学習技術は医用画像セグメンテーションの分野で大きな進歩を遂げており, 関連タスクの性能が常に改善されてきた。 本稿では,海馬セグメンテーションの課題に着目し,新しい階層型フィードバックチェーンネットワークを提案する。 フィードバックチェーン構造部は、階層的な特徴集約フィードバックチェーンを介して各エンコーダ層のより深い特徴表現を学習し、特徴ハンドオーバ注意モジュールを介して特徴選択及びフィードバックを達成する。 次に,特徴エンコーダとデコーダの間にグローバルなピラミッドアテンションユニットを組み込んでエンコーダの機能をさらに改良する。これには,隣接する注目インタラクションを実現するペアワイズピラミッドアテンションモジュールと,長距離知識を捉えるグローバルコンテキストモデリングモジュールが含まれる。 提案手法は,既存の海馬セグメンテーション手法と比較して,3つの公開データセットの最先端性能を実現する。

関連論文リスト

• U-Net v2: Rethinking the Skip Connections of U-Net for Medical Image Segmentation [14.450329809640422]
  医用画像分割のための新しい堅牢で効率的なU-Net変種であるU-Net v2を紹介する。 セマンティックな情報を低レベルの機能に注入し、同時に細かな詳細で高レベルの機能を改善することを目的としている。
  論文  参考訳（メタデータ） (2023-11-29T16:35:24Z)
• CAT: Learning to Collaborate Channel and Spatial Attention from Multi-Information Fusion [23.72040577828098]
  本稿では,空間とチャネルのアテンション間の協調を活性化する「CAT」と呼ばれるプラグイン・アンド・プレイアテンション・モジュールを提案する。 具体的には、特徴を訓練可能な係数(コラ因子)として表現し、異なる注意モジュールの寄与を適応的に組み合わせる。 我々のCATは、オブジェクト検出、インスタンスセグメンテーション、画像分類において、既存の最先端の注意機構よりも優れています。
  論文  参考訳（メタデータ） (2022-12-13T02:34:10Z)
• Cross-Enhancement Transformer for Action Segmentation [5.752561578852787]
  本論文では,クロスエンハンスメントトランスと呼ばれる新しいエンコーダデコーダ構造を提案する。 本手法は,対話型自己認識機構を用いた時間構造表現の効果的な学習である。 さらに,過分割誤差を罰するトレーニングプロセスを強化するために,新たな損失関数を提案する。
  論文  参考訳（メタデータ） (2022-05-19T10:06:30Z)
• Encoder Fusion Network with Co-Attention Embedding for Referring Image Segmentation [87.01669173673288]
  本稿では,視覚的エンコーダをマルチモーダルな特徴学習ネットワークに変換するエンコーダ融合ネットワーク(EFN)を提案する。 EFNには、マルチモーダル機能の並列更新を実現するコアテンションメカニズムが組み込まれている。 4つのベンチマークデータセットによる実験結果から,提案手法がポストプロセッシングを伴わずに最先端の性能を実現することを示す。
  論文  参考訳（メタデータ） (2021-05-05T02:27:25Z)
• Neural Function Modules with Sparse Arguments: A Dynamic Approach to Integrating Information across Layers [84.57980167400513]
  Neural Function Modules (NFM)は、ディープラーニングに同じ構造機能を導入することを目的としている。 トップダウンとボトムアップのフィードバックを組み合わせたフィードフォワードネットワークのコンテキストにおける作業のほとんどは、分類の問題に限られている。 私たちの仕事の重要な貢献は、フレキシブルなアルゴリズムで注意、疎結合、トップダウン、ボトムアップのフィードバックを組み合わせることです。
  論文  参考訳（メタデータ） (2020-10-15T20:43:17Z)
• Boundary-aware Context Neural Network for Medical Image Segmentation [15.585851505721433]
  医用画像のセグメンテーションは、さらなる臨床分析と疾患診断のための信頼性の高い基盤を提供することができる。 既存のCNNベースのほとんどの手法は、正確なオブジェクト境界のない不満足なセグメンテーションマスクを生成する。 本稿では,2次元医用画像分割のための境界認識コンテキストニューラルネットワーク(BA-Net)を定式化する。
  論文  参考訳（メタデータ） (2020-05-03T02:35:49Z)
• Multi-Granularity Reference-Aided Attentive Feature Aggregation for Video-based Person Re-identification [98.7585431239291]
  ビデオベースの人物再識別は、同じ人物をビデオクリップ間でマッチングすることを目的としている。 本稿では,マルチグラニュラリティ参照属性集約モジュールMG-RAFAを提案する。 本フレームワークは,3つのベンチマークデータセット上での最先端のアブレーション性能を実現する。
  論文  参考訳（メタデータ） (2020-03-27T03:49:21Z)
• Global Context-Aware Progressive Aggregation Network for Salient Object Detection [117.943116761278]
  我々は,低レベルな外観特徴,高レベルな意味特徴,グローバルな文脈特徴を統合化するための新しいネットワークGCPANetを提案する。 提案手法は, 定量的かつ定性的に, 最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-02T04:26:10Z)
• See More, Know More: Unsupervised Video Object Segmentation with Co-Attention Siamese Networks [184.4379622593225]
  教師なしビデオオブジェクトセグメンテーションタスクに対処するため,CO-attention Siamese Network (COSNet) と呼ばれる新しいネットワークを導入する。 我々は,ビデオフレーム間の固有相関の重要性を強調し,グローバルなコアテンション機構を取り入れた。 本稿では、ビデオ内のリッチなコンテキストをマイニングするために、異なるコアテンションの変種を導出する、統一的でエンドツーエンドのトレーニング可能なフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-19T11:10:39Z)

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。