論文の概要: Adaptive Context Selection for Polyp Segmentation

• arxiv url: http://arxiv.org/abs/2301.04799v1
• Date: Thu, 12 Jan 2023 04:06:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-13 14:27:37.181005
• Title: Adaptive Context Selection for Polyp Segmentation
• Title（参考訳）: ポリープセグメンテーションのための適応文脈選択
• Authors: Ruifei Zhang, Guanbin Li, Zhen Li, Shuguang Cui, Dahong Qian and Yizhou Yu
• Abstract要約: 本稿では,ローカルコンテキストアテンション(LCA)モジュール,グローバルコンテキストモジュール(GCM)モジュール,適応選択モジュール(ASM)モジュールで構成される適応コンテキスト選択に基づくエンコーダデコーダフレームワークを提案する。 LCAモジュールは、エンコーダ層からデコーダ層へローカルなコンテキスト機能を提供する。 GCMは、グローバルなコンテキストの特徴をさらに探求し、デコーダ層に送信することを目的としている。ASMは、チャンネルワイドアテンションを通じて、コンテキスト特徴の適応的選択と集約に使用される。
• 参考スコア（独自算出の注目度）: 99.9959901908053
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate polyp segmentation is of great significance for the diagnosis and treatment of colorectal cancer. However, it has always been very challenging due to the diverse shape and size of polyp. In recent years, state-of-the-art methods have achieved significant breakthroughs in this task with the help of deep convolutional neural networks. However, few algorithms explicitly consider the impact of the size and shape of the polyp and the complex spatial context on the segmentation performance, which results in the algorithms still being powerless for complex samples. In fact, segmentation of polyps of different sizes relies on different local and global contextual information for regional contrast reasoning. To tackle these issues, we propose an adaptive context selection based encoder-decoder framework which is composed of Local Context Attention (LCA) module, Global Context Module (GCM) and Adaptive Selection Module (ASM). Specifically, LCA modules deliver local context features from encoder layers to decoder layers, enhancing the attention to the hard region which is determined by the prediction map of previous layer. GCM aims to further explore the global context features and send to the decoder layers. ASM is used for adaptive selection and aggregation of context features through channel-wise attention. Our proposed approach is evaluated on the EndoScene and Kvasir-SEG Datasets, and shows outstanding performance compared with other state-of-the-art methods. The code is available at https://github.com/ReaFly/ACSNet.
• Abstract（参考訳）: 大腸癌の診断と治療には, ポリプの正確な分画が重要である。 しかし、ポリプの形状や大きさが多様であるため、常に非常に難しかった。 近年、最先端の手法は深い畳み込みニューラルネットワークの助けを借りて、このタスクにおいて大きなブレークスルーを達成している。 しかし、ポリプのサイズと形状と複雑な空間的コンテキストがセグメント化性能に与える影響を明示的に考慮するアルゴリズムは少なく、複雑なサンプルではアルゴリズムが依然として無力である。 実際、異なるサイズのポリプのセグメンテーションは、地域的コントラスト推論のために異なる局所的およびグローバルな文脈情報に依存している。 これらの問題に対処するために,ローカルコンテキストアテンション(LCA)モジュール,グローバルコンテキストモジュール(GCM)モジュール,適応選択モジュール(ASM)モジュールで構成される適応コンテキスト選択に基づくエンコーダデコーダフレームワークを提案する。 特にlcaモジュールは、エンコーダ層からデコーダ層へのローカルコンテキスト機能を提供し、前のレイヤの予測マップによって決定されるハード領域への注目を高める。 GCMはグローバルなコンテキスト機能を調べ、デコーダ層に送信することを目指している。 ASMは、チャンネルワイズによるコンテキスト特徴の適応的選択と集約に使用される。 提案手法は,EndoSceneおよびKvasir-SEGデータセットを用いて評価し,他の最先端手法と比較して優れた性能を示した。 コードはhttps://github.com/ReaFly/ACSNetで入手できる。

関連論文リスト

• ASPS: Augmented Segment Anything Model for Polyp Segmentation [77.25557224490075]
  SAM(Segment Anything Model)は、ポリープセグメンテーションに先例のないポテンシャルを導入している。 SAMのTransformerベースの構造は、グローバルおよび低周波情報を優先する。 CFAはトレーニング可能なCNNエンコーダブランチと凍結したViTエンコーダを統合し、ドメイン固有の知識の統合を可能にする。
  論文  参考訳（メタデータ） (2024-06-30T14:55:32Z)
• Multi-Layer Dense Attention Decoder for Polyp Segmentation [10.141956829529859]
  局所的に強化された多層密集度特徴を階層的に集約することを目的とした,新しいデコーダアーキテクチャを提案する。 具体的には、Dense Attention Gate (DAG) と呼ばれる新しいモジュールを紹介します。 実験と9つの競合セグメンテーションモデルとの比較により,提案アーキテクチャが最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2024-03-27T01:15:05Z)
• Edge-aware Feature Aggregation Network for Polyp Segmentation [40.3881565207086]
  本研究では,ポリプセグメンテーションのためのエッジ対応特徴集約ネットワーク(EFA-Net)を提案する。 EFA-Netは、ポリプセグメンテーションの性能を高めるために、クロスレベルとマルチスケールの機能を完全に活用することができる。 広く採用されている5つの大腸内視鏡データセットの実験結果から,我々のEFA-Netは,一般化と有効性の観点から,最先端のポリプセグメンテーション法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-09-19T11:09:38Z)
• FLDNet: A Foreground-Aware Network for Polyp Segmentation Leveraging Long-Distance Dependencies [1.7623838912231695]
  本研究では,トランスフォーマーに基づくニューラルネットワークであるFLDNetを提案する。 提案手法であるFLDNetは, 一般的なデータセットの7つの指標を用いて評価し, 広く利用されている評価尺度の最先端手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2023-09-12T06:32:42Z)
• SegT: A Novel Separated Edge-guidance Transformer Network for Polyp Segmentation [10.144870911523622]
  本稿では, 効率的なポリープ分割モデルを構築することを目的とした, エッジ誘導変換器 (SegT) ネットワークを提案する。 既存のCNNベースのアプローチよりも堅牢な表現を学習するトランスフォーマーエンコーダが特に適用された。 SegTの有効性を評価するために、5つの挑戦的な公開データセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2023-06-19T08:32:05Z)
• Adaptive Spot-Guided Transformer for Consistent Local Feature Matching [64.30749838423922]
  局所的特徴マッチングのための適応スポットガイド変換器(ASTR)を提案する。 ASTRは、統一された粗いアーキテクチャにおける局所的な一貫性とスケールのバリエーションをモデル化する。
  論文  参考訳（メタデータ） (2023-03-29T12:28:01Z)
• Lesion-aware Dynamic Kernel for Polyp Segmentation [49.63274623103663]
  ポリープセグメンテーションのための障害対応動的ネットワーク(LDNet)を提案する。 従来のU字型エンコーダ・デコーダ構造であり、動的カーネル生成と更新スキームが組み込まれている。 この単純だが効果的なスキームは、我々のモデルに強力なセグメンテーション性能と一般化能力を与える。
  論文  参考訳（メタデータ） (2023-01-12T09:53:57Z)
• LCPFormer: Towards Effective 3D Point Cloud Analysis via Local Context Propagation in Transformers [60.51925353387151]
  本稿では,近隣地域間のメッセージパッシングを活用するために,LCP (Local Context Propagation) という新しいモジュールを提案する。 隣接するローカル領域の重複点を仲介として使用した後、異なるローカルリージョンからの共有ポイントの特徴を再重み付けし、その後、次のレイヤに渡す。 提案手法は, 異なるタスクに適用可能であり, 3次元形状分類や高密度予測タスクを含むベンチマークにおいて, 様々なトランスフォーマーベースの手法より優れる。
  論文  参考訳（メタデータ） (2022-10-23T15:43:01Z)
• SemAffiNet: Semantic-Affine Transformation for Point Cloud Segmentation [94.11915008006483]
  ポイントクラウドセマンティックセグメンテーションのためのSemAffiNetを提案する。 我々はScanNetV2とNYUv2データセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2022-05-26T17:00:23Z)

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。