Fugu-MT 論文翻訳(概要): Adjacent Slice Feature Guided 2.5D Network for Pulmonary Nodule Segmentation

論文の概要: Adjacent Slice Feature Guided 2.5D Network for Pulmonary Nodule Segmentation

arxiv url: http://arxiv.org/abs/2211.10597v1
Date: Sat, 19 Nov 2022 06:13:18 GMT
ステータス: 処理完了
システム内更新日: 2022-11-22 22:29:21.730956
Title: Adjacent Slice Feature Guided 2.5D Network for Pulmonary Nodule Segmentation
Title（参考訳）: 肺結節切開用2.5Dネットワークの隣接スライス特性
Authors: Xinwei Xue, Gaoyu Wang, Long Ma, Qi Jia and Yi Wang
Abstract要約: パラメータや計算量が少ない2次元分割法はスライス間の空間的関係を欠いている。本稿では, この問題を解決するために, 隣り合うスライス特徴量2.5Dネットワークを提案する。本手法は肺結節分節作業における他の方法よりも優れている。
参考スコア（独自算出の注目度）: 11.960631781470811
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: More and more attention has been paid to the segmentation of pulmonary nodules. Among the current methods based on deep learning, 3D segmentation methods directly input 3D images, which takes up a lot of memory and brings huge computation. However, most of the 2D segmentation methods with less parameters and calculation have the problem of lacking spatial relations between slices, resulting in poor segmentation performance. In order to solve these problems, we propose an adjacent slice feature guided 2.5D network. In this paper, we design an adjacent slice feature fusion model to introduce information from adjacent slices. To further improve the model performance, we construct a multi-scale fusion module to capture more context information, in addition, we design an edge-constrained loss function to optimize the segmentation results in the edge region. Fully experiments show that our method performs better than other existing methods in pulmonary nodule segmentation task.
Abstract（参考訳）: 肺結節の分節により多くの注意が払われている。ディープラーニングに基づく現在の方法では、3dセグメンテーションメソッドが直接3dイメージを入力し、大量のメモリを消費し、膨大な計算をもたらす。しかし, パラメータや計算量が少ない2次元分割法の多くはスライス間の空間的関係を欠いているため, セグメンテーション性能が低下する。これらの問題を解決するために, 2.5Dネットワークに隣接するスライス機能を提案する。本稿では,隣接するスライス情報の導入を目的とした,隣接スライス特徴融合モデルの設計を行う。モデル性能をさらに向上するため、よりコンテキスト情報を取得するためのマルチスケール融合モジュールを構築し、エッジ領域におけるセグメント化結果を最適化するエッジ制約ロス関数を設計する。本手法は肺結節分節作業における他の方法よりも優れた性能を示す。

関連論文リスト

Augmented Efficiency: Reducing Memory Footprint and Accelerating Inference for 3D Semantic Segmentation through Hybrid Vision [9.96433151449016]
本稿では,2次元と3次元のコンピュータビジョン技術を組み合わせた3次元セマンティックセグメンテーションの新たなアプローチを提案する。我々は3次元点雲にリンクしたRGB画像に対して2Dセマンティックセマンティックセマンティックセマンティクスを行い、その結果をクラスラベルの押出手法を用いて3Dに拡張する。このモデルは、KITTI-360データセット上の最先端の3Dセマンティックセマンティックセグメンテーションモデルとして機能する。
論文参考訳（メタデータ） (2024-07-23T00:04:10Z)
A Flexible 2.5D Medical Image Segmentation Approach with In-Slice and Cross-Slice Attention [13.895277069418045]
任意の数のスライスで2.5D画像を処理できるフレキシブル2.5DセグメンテーションモデルであるCSA-Netを紹介する。 1)脳MRI,(2)バイナリ前立腺MRIのセグメンテーション,(3)マルチクラス前立腺MRIのセグメンテーションの3つのタスクについてCSA-Netを評価した。
論文参考訳（メタデータ） (2024-04-30T18:28:09Z)
PartSTAD: 2D-to-3D Part Segmentation Task Adaptation [14.187127662385445]
2D-to-3Dセグメンテーションリフトのタスク適応を目的としたPartSTADを提案する。 PartNet-Mobilityデータセットに対する実験により,タスク適応手法の大幅な改善が示された。
論文参考訳（メタデータ） (2024-01-11T13:31:09Z)
2D-Guided 3D Gaussian Segmentation [15.139488857163064]
本稿では2次元分節を監督として実装した3次元ガウス分節法を提案する。このアプローチでは、入力2次元セグメンテーションマップを使用して、付加された3次元ガウス意味情報の学習を誘導する。実験により,マルチオブジェクトセグメンテーションにおいて,mIOUとmAccに匹敵する性能が得られた。
論文参考訳（メタデータ） (2023-12-26T13:28:21Z)
SwIPE: Efficient and Robust Medical Image Segmentation with Implicit Patch Embeddings [12.79344668998054]
正確な局所境界線とグローバルな形状コヒーレンスを実現するために,SwIPE(Segmentation with Implicit Patch Embeddings)を提案する。その結果,最近の暗黙的アプローチよりもSwIPEは大幅に改善され,パラメータが10倍以上の最先端の離散手法よりも優れていた。
論文参考訳（メタデータ） (2023-07-23T20:55:11Z)
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)
Learning Semantic Segmentation of Large-Scale Point Clouds with Random Sampling [52.464516118826765]
我々はRandLA-Netを紹介した。RandLA-Netは、大規模ポイントクラウドのポイントごとの意味を推論する、効率的で軽量なニューラルネットワークアーキテクチャである。我々のアプローチの鍵は、より複雑な点選択アプローチではなく、ランダムな点サンプリングを使用することである。我々のRandLA-Netは、既存のアプローチよりも最大200倍高速な1回のパスで100万ポイントを処理できます。
論文参考訳（メタデータ） (2021-07-06T05:08:34Z)
BoundarySqueeze: Image Segmentation as Boundary Squeezing [104.43159799559464]
本研究では,オブジェクトとシーンの微細な高画質画像分割のための新しい手法を提案する。形態素画像処理技術による拡張と浸食に着想を得て,画素レベルのセグメンテーション問題をスクイーズ対象境界として扱う。提案手法は,COCO,Cityscapesのインスタンス・セグメンテーション・セグメンテーション・セグメンテーションにおいて大きく向上し,同一条件下での精度・速度ともに従来のPointRendよりも優れていた。
論文参考訳（メタデータ） (2021-05-25T04:58:51Z)
PointFlow: Flowing Semantics Through Points for Aerial Image Segmentation [96.76882806139251]
本論文では,FPN(Feature Pyramid Network)フレームワークに基づく点親和性伝播モジュールであるPointFlowを提案する。密接な親和性学習ではなく、隣接する特徴間の選択された点にスパース親和性マップを生成する。 3つの異なる空中セグメンテーションデータセットの実験結果から,提案手法は最先端の汎用セグメンテーション法よりも効率的かつ効率的であることが示唆された。
論文参考訳（メタデータ） (2021-03-11T09:42:32Z)
SEG-MAT: 3D Shape Segmentation Using Medial Axis Transform [49.51977253452456]
入力形状の媒体軸変換(MAT)に基づく3次元形状分割の効率的な方法を提案する。具体的には、MATに符号化された豊富な幾何学的および構造的情報により、3次元形状の異なる部分間の様々な種類の接合を識別することができる。本手法は, セグメンテーション品質の点で最先端の手法より優れ, 桁違いに高速である。
論文参考訳（メタデータ） (2020-10-22T07:15:23Z)
Monocular Human Pose and Shape Reconstruction using Part Differentiable Rendering [53.16864661460889]
近年の研究では、3次元基底真理によって教師されるディープニューラルネットワークを介してパラメトリックモデルを直接推定する回帰に基づく手法が成功している。本稿では,ボディセグメンテーションを重要な監視対象として紹介する。部分分割による再構成を改善するために,部分分割により部分ベースモデルを制御可能な部分レベル微分可能部を提案する。
論文参考訳（メタデータ） (2020-03-24T14:25:46Z)

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。