論文の概要: Lesion-aware Dynamic Kernel for Polyp Segmentation

• arxiv url: http://arxiv.org/abs/2301.04904v1
• Date: Thu, 12 Jan 2023 09:53:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-13 15:12:47.087193
• Title: Lesion-aware Dynamic Kernel for Polyp Segmentation
• Title（参考訳）: ポリープセグメンテーションのための病巣認識動的カーネル
• Authors: Ruifei Zhang, Peiwen Lai, Xiang Wan, De-Jun Fan, Feng Gao, Xiao-Jian Wu and Guanbin Li
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 49.63274623103663
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic and accurate polyp segmentation plays an essential role in early colorectal cancer diagnosis. However, it has always been a challenging task due to 1) the diverse shape, size, brightness and other appearance characteristics of polyps, 2) the tiny contrast between concealed polyps and their surrounding regions. To address these problems, we propose a lesion-aware dynamic network (LDNet) for polyp segmentation, which is a traditional u-shape encoder-decoder structure incorporated with a dynamic kernel generation and updating scheme. Specifically, the designed segmentation head is conditioned on the global context features of the input image and iteratively updated by the extracted lesion features according to polyp segmentation predictions. This simple but effective scheme endows our model with powerful segmentation performance and generalization capability. Besides, we utilize the extracted lesion representation to enhance the feature contrast between the polyp and background regions by a tailored lesion-aware cross-attention module (LCA), and design an efficient self-attention module (ESA) to capture long-range context relations, further improving the segmentation accuracy. Extensive experiments on four public polyp benchmarks and our collected large-scale polyp dataset demonstrate the superior performance of our method compared with other state-of-the-art approaches. The source code is available at https://github.com/ReaFly/LDNet.
• Abstract（参考訳）: 早期大腸癌の診断には, 自動的かつ正確なポリープセグメンテーションが不可欠である。 しかし、それは常に困難な課題であった。 1)ポリプの形状,大きさ,明るさ,その他の外観特性 2) 隠されたポリープとその周辺地域の小さなコントラスト。 これらの問題に対処するために,動的カーネル生成と更新方式を組み込んだ従来のu字エンコーダデコーダ構造であるポリ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。 具体的には、設計したセグメンテーションヘッドは、入力画像のグローバルコンテキスト特徴に基づいて条件付けされ、ポリープセグメンテーション予測に従って抽出された病変特徴により反復的に更新される。 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。 また, 抽出した病変表現を用いて, ポリープと背景領域間の特徴コントラストをlcaにより向上させ, 長距離文脈関係を捉えるための効率的なセルフアテンションモジュール(esa)を設計し, セグメンテーション精度をさらに向上させる。 4つのパブリックポリープベンチマークと収集した大規模ポリープデータセットに関する広範な実験は、他の最先端手法と比較して優れた性能を示している。 ソースコードはhttps://github.com/reafly/ldnet。

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)
• EPPS: Advanced Polyp Segmentation via Edge Information Injection and Selective Feature Decoupling [5.453850739960517]
  We propose a novel model named Edge-Prioritized Polyp (EPPS)。 具体的には,ポリプのエッジを正確に抽出することを目的としたエッジマッピングエンジン(EME)を組み込んだ。 また,Selective Feature Decoupler (SFD) と呼ばれるコンポーネントを導入し,モデルに対するノイズや外的特徴の影響を抑える。
  論文  参考訳（メタデータ） (2024-05-20T07:41:04Z)
• Adaptation of Distinct Semantics for Uncertain Areas in Polyp Segmentation [11.646574658785362]
  本研究は,ポリプ不確定領域に対する識別意味論の適応という新しいアーキテクチャを提示する。 ADSNetは、未分類の詳細を修正し、最終段階で消滅し、検出されない弱い特徴を回復する。 実験により,ポリプ画像分割作業における他の技術と比較して,セグメンテーション性能が向上することを示す。
  論文  参考訳（メタデータ） (2024-05-13T07:41:28Z)
• 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)
• Adaptive Context Selection for Polyp Segmentation [99.9959901908053]
  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。
  論文  参考訳（メタデータ） (2023-01-12T04:06:44Z)
• BoxPolyp:Boost Generalized Polyp Segmentation Using Extra Coarse Bounding Box Annotations [79.17754846553866]
  我々は、正確なマスクと余分な粗いボックスアノテーションをフル活用するための強化されたBoxPolypモデルを提案する。 実際には、従来のポリプセグメンテーションモデルの過度に適合する問題を緩和するためにボックスアノテーションが適用される。 提案手法は従来の最先端手法よりも大きなマージンで優れていた。
  論文  参考訳（メタデータ） (2022-12-07T07:45:50Z)
• 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)
• 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。