Fugu-MT 論文翻訳(概要): Lung segmentation with NASNet-Large-Decoder Net

論文の概要: Lung segmentation with NASNet-Large-Decoder Net

arxiv url: http://arxiv.org/abs/2303.10315v1
Date: Sat, 18 Mar 2023 02:52:16 GMT
ステータス: 処理完了
システム内更新日: 2023-03-21 20:14:12.811688
Title: Lung segmentation with NASNet-Large-Decoder Net
Title（参考訳）: NASNet-Large-Decoder Netによる肺分節
Authors: Youshan Zhang
Abstract要約: 肺がんは、人間の生命と健康を脅かす深刻な疾患として現れてきた。まず,NASNet-Largeをエンコーダとし,次いでデコーダアーキテクチャを用いた肺画像分割モデルを提案する。実験結果から,0.92ダイスを用いた精度のセグメンテーションモデルは,最先端の性能よりも優れていた。
参考スコア（独自算出の注目度）: 11.80267432402723
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Lung cancer has emerged as a severe disease that threatens human life and health. The precise segmentation of lung regions is a crucial prerequisite for localizing tumors, which can provide accurate information for lung image analysis. In this work, we first propose a lung image segmentation model using the NASNet-Large as an encoder and then followed by a decoder architecture, which is one of the most commonly used architectures in deep learning for image segmentation. The proposed NASNet-Large-decoder architecture can extract high-level information and expand the feature map to recover the segmentation map. To further improve the segmentation results, we propose a post-processing layer to remove the irrelevant portion of the segmentation map. Experimental results show that an accurate segmentation model with 0.92 dice scores outperforms state-of-the-art performance.
Abstract（参考訳）: 肺癌は、人間の生命と健康を脅かす重篤な疾患として出現している。肺領域の精密分割は腫瘍の局所化に重要な前提条件であり、肺画像解析に正確な情報を提供できる。本稿では,まず,nasnet-largeをエンコーダとして使用する肺画像分割モデルを提案し,次にデコーダアーキテクチャを提案する。提案したNASNet-Large-decoderアーキテクチャは,高レベル情報を抽出し,特徴マップを拡張してセグメントマップを復元する。さらにセグメンテーション結果を改善するために,セグメンテーションマップの無関係部分を除去する後処理層を提案する。実験の結果, 0.92 diceの精度の高いセグメンテーションモデルが最先端性能よりも優れていることがわかった。

関連論文リスト

FusionLungNet: Multi-scale Fusion Convolution with Refinement Network for Lung CT Image Segmentation [1.3124513975412255]
肺がんの早期発見は治療の成功率を高める。新しい肺分画法は画像成分間の長距離関係の同定に困難に直面している。本稿では,鍵成分を持つ多層構造を持つFusionLungNetネットワークを用いたハイブリッド手法を提案する。
論文参考訳（メタデータ） (2024-10-21T09:27:51Z)
Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文参考訳（メタデータ） (2023-01-12T08:19:46Z)
Segmentation Ability Map: Interpret deep features for medical image segmentation [2.064612766965483]
本稿では,深部特徴量に基づく二分分割写像を計算するためのプロトタイプセグメンテーション(ProtoSeg)手法を提案する。脳MRIのセグメント化腫瘍,皮膚画像の病変,CT画像のCOVID関連異常,CT画像の膵腫瘤分画について検討した。
論文参考訳（メタデータ） (2022-12-19T01:27:50Z)
Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文参考訳（メタデータ） (2022-02-22T15:24:06Z)
Small Lesion Segmentation in Brain MRIs with Subpixel Embedding [105.1223735549524]
ヒト脳のMRIスキャンを虚血性脳梗塞と正常組織に分割する方法を提案する。本稿では,空間展開埋め込みネットワークによって予測を導出する標準エンコーダデコーダの形式でニューラルネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2021-09-18T00:21:17Z)
PSGR: Pixel-wise Sparse Graph Reasoning for COVID-19 Pneumonia Segmentation in CT Images [83.26057031236965]
画像中の新型コロナウイルス感染領域セグメンテーションの長距離依存性のモデリングを強化するために,PSGRモジュールを提案する。 PSGRモジュールは不正確なピクセルからノードへの投影を回避し、グローバルな推論のために各ピクセル固有の情報を保存する。このソリューションは、3つの公開データセット上の4つの広く使われているセグメンテーションモデルに対して評価されている。
論文参考訳（メタデータ） (2021-08-09T04:58:23Z)
Anatomy-Constrained Contrastive Learning for Synthetic Segmentation without Ground-truth [8.513014699605499]
AccSeg-Net (AccSeg-Net) を用いて, 対象画像の分割ネットワークを訓練した。 CBCT, MRI, PET画像データに適用し, 従来法に比べ, セグメンテーション性能が優れていた。
論文参考訳（メタデータ） (2021-07-12T14:54:04Z)
Deep ensembles based on Stochastic Activation Selection for Polyp Segmentation [82.61182037130406]
本研究は,大腸内視鏡検査における画像分割,特に正確なポリープ検出とセグメンテーションを扱う。イメージセグメンテーションの基本アーキテクチャはエンコーダとデコーダで構成されている。我々はデコーダのバックボーンを変更することで得られるDeepLabアーキテクチャのバリエーションを比較した。
論文参考訳（メタデータ） (2021-04-02T02:07:37Z)
Deep Residual 3D U-Net for Joint Segmentation and Texture Classification of Nodules in Lung [91.3755431537592]
肺結節の分類法, そのテクスチャ分類, 肺CT像による後続の推奨について検討した。提案手法は, 一般的なU-Netアーキテクチャファミリに基づくニューラルネットワークモデルと, 共同結節分割とそのテクスチャ分類タスクと, フォローアップレコメンデーションのためのアンサンブルベースモデルから構成される。
論文参考訳（メタデータ） (2020-06-25T07:20:41Z)
Capsules for Biomedical Image Segmentation [4.239450660945214]
我々は,SegCapsと呼ばれるディープエンコーダ・デコーダスタイルのネットワークを構築するために,デコンボリューショナルカプセルの概念を提案する。提案された畳み込みデコンボリューションカプセルネットワークであるSegCapsは、一般的なセグメンテーションネットワークのパラメータの一部を使用しながら、最先端の結果を示す。
論文参考訳（メタデータ） (2020-04-09T03:01:31Z)
U-Det: A Modified U-Net architecture with bidirectional feature network for lung nodule segmentation [0.0]
本稿では,資源効率のよいモデルアーキテクチャであるU-Detを提案する。提案モデルは,1186個の肺結節からなるLUNA-16データセットを用いて,広範囲に訓練および評価を行った。 U-Detアーキテクチャは既存のU-Netモデルを82.82%のDice類似度係数(DSC)で上回り、人間の専門家に匹敵する結果が得られる。
論文参考訳（メタデータ） (2020-03-20T14:25:22Z)

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。