Fugu-MT 論文翻訳(概要): DoubleU-NetPlus: A Novel Attention and Context Guided Dual U-Net with Multi-Scale Residual Feature Fusion Network for Semantic Segmentation of Medical Images

論文の概要: DoubleU-NetPlus: A Novel Attention and Context Guided Dual U-Net with Multi-Scale Residual Feature Fusion Network for Semantic Segmentation of Medical Images

arxiv url: http://arxiv.org/abs/2211.14235v1
Date: Fri, 25 Nov 2022 16:56:26 GMT
ステータス: 処理完了
システム内更新日: 2022-11-28 18:14:23.211751
Title: DoubleU-NetPlus: A Novel Attention and Context Guided Dual U-Net with Multi-Scale Residual Feature Fusion Network for Semantic Segmentation of Medical Images
Title（参考訳）: doubleu-netplus : 医用画像の意味セグメンテーションのためのマルチスケール残差特徴融合ネットワークを用いた新しい注意と文脈を導いたデュアルu-net
Authors: Md. Rayhan Ahmed, Adnan Ferdous Ashrafi, Raihan Uddin Ahmed, Swakkhar Shatabda, A.K.M. Muzahidul Islam, Salekul Islam
Abstract要約: 本稿ではDoubleU-NetPlusという2つのU-Netアーキテクチャを提案する。我々は,識別的特徴表現をモデル化するネットワークの能力を高めるために,マルチコンテキスト特徴といくつかの注意戦略を利用する。勾配消滅問題を緩和し、より深い空間的詳細を持つ高分解能特徴を取り入れるため、標準畳み込み操作を注意誘導残差畳み込み操作に置き換える。
参考スコア（独自算出の注目度）: 2.20200533591633
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Accurate segmentation of the region of interest in medical images can provide an essential pathway for devising effective treatment plans for life-threatening diseases. It is still challenging for U-Net, and its state-of-the-art variants, such as CE-Net and DoubleU-Net, to effectively model the higher-level output feature maps of the convolutional units of the network mostly due to the presence of various scales of the region of interest, intricacy of context environments, ambiguous boundaries, and multiformity of textures in medical images. In this paper, we exploit multi-contextual features and several attention strategies to increase networks' ability to model discriminative feature representation for more accurate medical image segmentation, and we present a novel dual U-Net-based architecture named DoubleU-NetPlus. The DoubleU-NetPlus incorporates several architectural modifications. In particular, we integrate EfficientNetB7 as the feature encoder module, a newly designed multi-kernel residual convolution module, and an adaptive feature re-calibrating attention-based atrous spatial pyramid pooling module to progressively and precisely accumulate discriminative multi-scale high-level contextual feature maps and emphasize the salient regions. In addition, we introduce a novel triple attention gate module and a hybrid triple attention module to encourage selective modeling of relevant medical image features. Moreover, to mitigate the gradient vanishing issue and incorporate high-resolution features with deeper spatial details, the standard convolution operation is replaced with the attention-guided residual convolution operations, ...
Abstract（参考訳）: 医療画像に対する関心領域の正確な分割は、生命を脅かす疾患の効果的な治療計画を考案するための重要な経路となる。 U-Netとその最先端版であるCE-NetやDoubleU-Netは、関心領域の様々なスケールの存在、コンテキスト環境の複雑さ、曖昧な境界、医療画像におけるテクスチャの多角性などにより、ネットワークの畳み込み単位の高レベルの出力特徴マップを効果的にモデル化することが依然として困難である。本稿では、より正確な医用画像分割のための識別的特徴表現をモデル化するネットワークの能力を高めるために、マルチコンテキスト特徴と注意戦略を活用し、DoubleU-NetPlusという新しいデュアルU-Netアーキテクチャを提案する。 DoubleU-NetPlusにはいくつかのアーキテクチャ変更が含まれている。特に,EfficientNetB7を特徴エンコーダモジュール,新たに設計されたマルチカーネル残差畳み込みモジュール,およびアテンションに基づくアラス空間ピラミッドプールモジュールを適応的特徴として組み込んで,差別的マルチスケール高レベル特徴マップを段階的かつ正確に蓄積し,サリアント領域を強調する。さらに,医用画像の特徴の選択的モデリングを促進するために,新しい三重注意ゲートモジュールとハイブリッド三重注意モジュールを導入する。さらに、勾配消滅問題を緩和し、より深い空間的詳細を持つ高分解能特徴を組み込むため、標準畳み込み操作を注意誘導残差畳み込み操作に置き換える。

関連論文リスト

MSA$^2$Net: Multi-scale Adaptive Attention-guided Network for Medical Image Segmentation [8.404273502720136]
MSA$2$Netは、スキップ接続を適切に設計した新しいディープセグメンテーションフレームワークである。本稿では,空間的特徴を選択的に強調するために,MASAG(Multi-Scale Adaptive Space Attention Gate)を提案する。 MSA$2$Netは、最先端のSOTA(State-of-the-art)よりも優れています。
論文参考訳（メタデータ） (2024-07-31T14:41:10Z)
MAProtoNet: A Multi-scale Attentive Interpretable Prototypical Part Network for 3D Magnetic Resonance Imaging Brain Tumor Classification [25.056170817680403]
そこで本稿では,MAProtoNet と呼ばれるマルチスケール適応型部分ネットワークを提案し,より正確な属性マップを提供する。具体的には、四重項の注意層から注意的特徴をマージし、属性マップを生成するための簡潔なマルチスケールモジュールを提案する。医療画像における既存の解釈可能な部分ネットワークと比較して、MAProtoNetはローカライゼーションにおける最先端の性能を達成することができる。
論文参考訳（メタデータ） (2024-04-13T07:30:17Z)
Enhancing Retinal Vascular Structure Segmentation in Images With a Novel Design Two-Path Interactive Fusion Module Model [6.392575673488379]
網膜血管セグメンテーションの精度を高めるために設計されたSwin-Res-Netについて紹介する。 Swin-Res-Netは、パーティショニングに変位のあるシフトウィンドウを使用するSwin Transformerを使用している。提案したアーキテクチャは,他の公開されたモデルに適合するか,あるいは超越するかという,優れた結果をもたらす。
論文参考訳（メタデータ） (2024-03-03T01:36:11Z)
Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
論文参考訳（メタデータ） (2023-12-26T12:56:31Z)
Mutual Information-driven Triple Interaction Network for Efficient Image Dehazing [54.168567276280505]
画像デハージングのための相互情報駆動型トリプルインタラクションネットワーク(MITNet)を提案する。振幅誘導ヘイズ除去と呼ばれる第1段階は、ヘイズ除去のためのヘイズ画像の振幅スペクトルを復元することを目的としている。第2段階は位相誘導構造が洗練され、位相スペクトルの変換と微細化を学ぶことに尽力した。
論文参考訳（メタデータ） (2023-08-14T08:23:58Z)
Scale-aware Super-resolution Network with Dual Affinity Learning for Lesion Segmentation from Medical Images [50.76668288066681]
低解像度医用画像から様々な大きさの病変を適応的に分割する,スケールアウェアな超解像ネットワークを提案する。提案するネットワークは,他の最先端手法と比較して一貫した改善を実現した。
論文参考訳（メタデータ） (2023-05-30T14:25:55Z)
M$^{2}$SNet: Multi-scale in Multi-scale Subtraction Network for Medical Image Segmentation [73.10707675345253]
医用画像から多様なセグメンテーションを仕上げるマルチスケールサブトラクションネットワーク(M$2$SNet)を提案する。本手法は,4つの異なる医用画像セグメンテーションタスクの11つのデータセットに対して,異なる評価基準の下で,ほとんどの最先端手法に対して好意的に機能する。
論文参考訳（メタデータ） (2023-03-20T06:26:49Z)
(M)SLAe-Net: Multi-Scale Multi-Level Attention embedded Network for Retinal Vessel Segmentation [0.0]
マルチステージ処理の課題に対処するため,マルチスケールでマルチレベルなCNNアーキテクチャ((M)SLAe-Net)を提案する。我々は、複数のスケールとネットワークの複数のレベルの特徴を抽出することで、我々のモデルが局所的およびグローバル的特徴を全体的に抽出することを可能にする。 D-DPPモジュールは細管に効率よくタスク特異的な損失機能を持たせることで,クロスデータ性能の向上を実現した。
論文参考訳（メタデータ） (2021-09-05T14:29:00Z)
Crosslink-Net: Double-branch Encoder Segmentation Network via Fusing Vertical and Horizontal Convolutions [58.71117402626524]
医用画像分割のための新しいダブルブランチエンコーダアーキテクチャを提案する。 1)正方形畳み込みカーネルによる特徴の識別をさらに改善する必要があるため,非正方形および水平畳み込みカーネルの利用を提案する。実験では,4つのデータセット上でのモデルの有効性を検証した。
論文参考訳（メタデータ） (2021-07-24T02:58:32Z)
w-Net: Dual Supervised Medical Image Segmentation Model with Multi-Dimensional Attention and Cascade Multi-Scale Convolution [47.56835064059436]
医療画像中の小物体の正確なセグメンテーションを予測するために, カスケード型マルチスケール畳み込みを用いた多次元アテンションセグメンテーションモデルを提案する。提案手法は, KiTS19, Decathlon-10 の Pancreas CT, MICCAI 2018 LiTS Challenge の3つのデータセットを用いて評価した。
論文参考訳（メタデータ） (2020-11-15T13:54:22Z)
Multi-level Context Gating of Embedded Collective Knowledge for Medical Image Segmentation [32.96604621259756]
医用画像分割のためのU-Netの拡張を提案する。 U-Net, Squeeze and Excitation (SE) block, bi-directional ConvLSTM (BConvLSTM), and the mechanism of dense convolutions。提案モデルは6つのデータセットで評価される。
論文参考訳（メタデータ） (2020-03-10T12:29:59Z)

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。