論文の概要: A Subabdominal MRI Image Segmentation Algorithm Based on Multi-Scale Feature Pyramid Network and Dual Attention Mechanism

• arxiv url: http://arxiv.org/abs/2305.10631v2
• Date: Fri, 19 May 2023 01:23:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-22 10:40:04.023962
• Title: A Subabdominal MRI Image Segmentation Algorithm Based on Multi-Scale Feature Pyramid Network and Dual Attention Mechanism
• Title（参考訳）: マルチスケール特徴ピラミッドネットワークと2重注意機構を用いた腹部mri画像分割アルゴリズム
• Authors: Yu Xiao, Xin Yang, Sijuan Huang, Yongkai Liu, Shuqin Chen, Lihua Guo
• Abstract要約: マルチスケールのピラミッドネットワークとデュアルアテンション機構に基づいてMRI画像を提案する。 1)拡張畳み込みとマルチスケールの機能ピラミッドネットワークをエンコーディングに使用して,セマンティックギャップを回避する。 腹腔下MRI画像データセットを用いた実験により,提案手法は他の方法よりも優れた性能が得られることが示された。
• 参考スコア（独自算出の注目度）: 5.608582964110019
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This study aimed to solve the semantic gap and misalignment issue between encoding and decoding because of multiple convolutional and pooling operations in U-Net when segmenting subabdominal MRI images during rectal cancer treatment. A MRI Image Segmentation is proposed based on a multi-scale feature pyramid network and dual attention mechanism. Our innovation is the design of two modules: 1) a dilated convolution and multi-scale feature pyramid network are used in the encoding to avoid the semantic gap. 2) a dual attention mechanism is designed to maintain spatial information of U-Net and reduce misalignment. Experiments on a subabdominal MRI image dataset show the proposed method achieves better performance than others methods. In conclusion, a multi-scale feature pyramid network can reduce the semantic gap, and the dual attention mechanism can make an alignment of features between encoding and decoding.
• Abstract（参考訳）: 本研究の目的は, 直腸癌治療における腹部下MRI像の分割において, U-Netの複数の畳み込み操作とプール操作により, 符号化と復号のセマンティックギャップと不一致を解消することであった。 マルチスケール特徴ピラミッドネットワークとデュアルアテンション機構に基づき,mri画像分割を提案する。 私たちの革新は2つのモジュールの設計です 1)エンコーディングには拡張畳み込みとマルチスケール特徴ピラミッドネットワークを用い,セマンティックギャップを回避する。 2) u-netの空間情報を維持し,誤用を減らすために,二重注意機構が設計されている。 腹腔下MRI画像データセットを用いた実験では,提案手法は他の方法よりも優れた性能を示す。 結論として,マルチスケール機能ピラミッドネットワークは意味的ギャップを低減し,デュアルアテンション機構はエンコーディングとデコードの間の特徴をアライメントすることができる。

関連論文リスト

• Radiomics-guided Multimodal Self-attention Network for Predicting Pathological Complete Response in Breast MRI [3.6852491526879687]
  本研究では,ダイナミックコントラスト強調画像(DCE)とADCマップを用いた乳癌患者のpCR予測モデルを提案する。 本手法は, 腫瘍関連領域からの特徴抽出を誘導するために放射線を利用した自己注意機構を備えたエンコーダを用いて, DCE MRI と ADC から特徴抽出を行う。
  論文  参考訳（メタデータ） (2024-06-05T04:49:55Z)
• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• Multi-center, multi-vendor automated segmentation of left ventricular anatomy in contrast-enhanced MRI [0.7276738839986918]
  本研究では,LGE-MRIにおけるマルチセンターとマルチベンダのLVセグメンテーションを初めて検討する。 トレーニングサンプルのイメージ変動を人工的に増強するデータ拡張、センター間でのLGE-MRI画像の分布調整のための画像調和、既存の単一中心モデルを調整するための移行学習、新しい臨床現場からの未確認画像への変換。
  論文  参考訳（メタデータ） (2021-10-14T13:44:59Z)
• Medical Image Analysis on Left Atrial LGE MRI for Atrial Fibrillation Studies: A Review [18.22326892162902]
  後期ガドリニウム造影MRI(LGE MRI)は左心房(LA)の傷跡の可視化と定量化に一般的に用いられている。 本稿では, LGE MRIによるLA空洞, 壁, 傷痕, アブレーションギャップのセグメンテーションと定量化のための計算手法について, 体系的に検討することを目的とする。
  論文  参考訳（メタデータ） (2021-06-18T01:31:06Z)
• Semantic segmentation of multispectral photoacoustic images using deep learning [53.65837038435433]
  光音響イメージングは医療に革命をもたらす可能性がある。 この技術の臨床的翻訳には、高次元取得したデータを臨床的に関連性があり解釈可能な情報に変換する必要がある。 本稿では,多スペクトル光音響画像のセマンティックセグメンテーションに対する深層学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2021-05-20T09:33:55Z)
• Image Processing Techniques for identifying tumors in an MRI image [0.0]
  デジタル割り当ては、ATD(Automated Tumor Detection)で使用されるさまざまな画像処理技術を調査します。 この課題は、Morphological Tools (MT) や Region Growing Technique (RGT) などの伝統的な技術を比較して議論を開始する。
  論文  参考訳（メタデータ） (2021-03-28T15:18:38Z)
• Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
  ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。 臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。 そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2020-10-09T14:39:27Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)
• Weakly supervised multiple instance learning histopathological tumor segmentation [51.085268272912415]
  スライド画像全体のセグメント化のための弱教師付きフレームワークを提案する。 トレーニングモデルに複数のインスタンス学習スキームを利用する。 提案するフレームワークは,The Cancer Genome AtlasとPatchCamelyonデータセットのマルチロケーションとマルチ中心公開データに基づいて評価されている。
  論文  参考訳（メタデータ） (2020-04-10T13:12:47Z)
• Deep Learning for Musculoskeletal Image Analysis [5.271212551436945]
  本研究では,機械学習,特にディープラーニングの手法を用いて,MRIスキャンの迅速かつ正確な画像解析を行う方法について述べる。 メニスカスおよび前十字靭帯断裂を含む各種異常の機械学習分類について検討した。 広く用いられている畳み込みニューラルネットワーク(CNN)に基づくアーキテクチャを用いて,膝の異常分類性能を比較検討した。
  論文  参考訳（メタデータ） (2020-03-01T18:13:59Z)

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。