論文の概要: Channel prior convolutional attention for medical image segmentation
- arxiv url: http://arxiv.org/abs/2306.05196v1
- Date: Thu, 8 Jun 2023 13:52:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-09 14:17:11.944554
- Title: Channel prior convolutional attention for medical image segmentation
- Title（参考訳）: 医用画像分割のためのチャネル事前畳み込み注意
- Authors: Hejun Huang, Zuguo Chen, Ying Zou, Ming Lu, Chaoyang Chen
- Abstract要約: 本稿では,効率的なチャネル優先畳み込み注意法(CPCA)を提案する。
情報チャネルや重要な領域にフォーカスする能力はCPCAが保有している。
医用画像分割のためのCPCANetと呼ばれるセグメンテーションネットワークを提案する。
- 参考スコア（独自算出の注目度）: 9.83680239200962
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Characteristics such as low contrast and significant organ shape variations
are often exhibited in medical images. The improvement of segmentation
performance in medical imaging is limited by the generally insufficient
adaptive capabilities of existing attention mechanisms. An efficient Channel
Prior Convolutional Attention (CPCA) method is proposed in this paper,
supporting the dynamic distribution of attention weights in both channel and
spatial dimensions. Spatial relationships are effectively extracted while
preserving the channel prior by employing a multi-scale depth-wise
convolutional module. The ability to focus on informative channels and
important regions is possessed by CPCA. A segmentation network called CPCANet
for medical image segmentation is proposed based on CPCA. CPCANet is validated
on two publicly available datasets. Improved segmentation performance is
achieved by CPCANet while requiring fewer computational resources through
comparisons with state-of-the-art algorithms. Our code is publicly available at
\url{https://github.com/Cuthbert-Huang/CPCANet}.
- Abstract（参考訳）: 低コントラストや顕著な臓器形状の変化といった特徴は、しばしば医療画像に現れる。
医用画像におけるセグメンテーション性能の向上は, 既存の注意機構の適応能力の全般的不足によって制限される。
本稿では,チャネル先行畳み込み注意(cpca)法を提案し,チャネル次元と空間次元の両方における注意重みの動的分布について検討した。
マルチスケールの深度ワイド畳み込みモジュールを用いて、チャネルを保存しながら、空間関係を効果的に抽出する。
情報チャネルや重要な領域にフォーカスする能力はCPCAが保有している。
医用画像分割のためのCPCANetと呼ばれるセグメンテーションネットワークを提案する。
CPCANetは2つの公開データセットで検証されている。
CPCANetによりセグメント化性能が向上し,最先端アルゴリズムとの比較により計算資源の削減が図られた。
私たちのコードは、 \url{https://github.com/Cuthbert-Huang/CPCANet}で公開されています。
関連論文リスト
- 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) - TransCC: Transformer Network for Coronary Artery CCTA Segmentation [4.048194443100838]
CCTAセグメンテーションのためのトランスフォーマーと畳み込みニューラルネットワークを効果的に融合するディープラーニングフレームワークであるTransCCを提案する。
その結果,TransCCはセグメント化性能において既存の手法よりも優れており,平均Dice係数は0.730,平均IoUは0.582であることがわかった。
論文 参考訳（メタデータ） (2023-10-07T11:37:00Z) - Spatially Covariant Lesion Segmentation [15.18896691629899]
そこで我々は,空間的共変画素対応分類器を提案し,その計算効率を向上し,病変のセグメンテーションの精度を向上する。
画像の異なる2つの病変分割タスクを用いて,提案したSCPの有効性と有効性を示す。
SCPを使用したネットワークは、GPUメモリ使用率、FLOP、ネットワークサイズを23.8%、64.9%、74.7%削減した。
論文 参考訳（メタデータ） (2023-01-19T05:50:28Z) - 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) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - A Location-Sensitive Local Prototype Network for Few-Shot Medical Image
Segmentation [11.95230738435115]
そこで本稿では,空間的プリエントを利用して医療画像分割を行うプロトタイプベース手法を提案する。
VISCERAL CT画像データセットにおける臓器セグメンテーション実験では, 平均Dice係数において, 最新のアプローチを10%上回った。
論文 参考訳（メタデータ） (2021-03-18T11:27:19Z) - Weakly-supervised Learning For Catheter Segmentation in 3D Frustum
Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。
提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文 参考訳（メタデータ） (2020-10-19T13:56:22Z) - Rethinking the Extraction and Interaction of Multi-Scale Features for
Vessel Segmentation [53.187152856583396]
網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。
PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
論文 参考訳（メタデータ） (2020-10-09T08:22:54Z) - Max-Fusion U-Net for Multi-Modal Pathology Segmentation with Attention
and Dynamic Resampling [13.542898009730804]
関連するアルゴリズムの性能は、マルチモーダル情報の適切な融合によって大きく影響を受ける。
We present the Max-Fusion U-Net that achieve a improve pathology segmentation performance。
マルチシーケンスCMRデータセットを併用したMyoPS(Myocardial pathology segmentation)を用いて,本手法の評価を行った。
論文 参考訳（メタデータ） (2020-09-05T17:24:23Z) - Deep Q-Network-Driven Catheter Segmentation in 3D US by Hybrid
Constrained Semi-Supervised Learning and Dual-UNet [74.22397862400177]
本稿では,教師付き学習手法よりも少ないアノテーションを要求できる新しいカテーテルセグメンテーション手法を提案する。
提案手法では,Voxelレベルのアノテーションを避けるために,深層Q学習を事前局所化ステップとみなす。
検出されたカテーテルでは、パッチベースのDual-UNetを使用してカテーテルを3Dボリュームデータに分割する。
論文 参考訳（メタデータ） (2020-06-25T21:10:04Z) - SAUNet: Shape Attentive U-Net for Interpretable Medical Image
Segmentation [2.6837973648527926]
本稿では,モデル解釈可能性とロバスト性に着目したShape Attentive U-Net(SAUNet)というアーキテクチャを提案する。
本手法は,SUN09とAC17の2つの大きな心内MRI画像セグメント化データセットに対して,最先端の結果を得られる。
論文 参考訳（メタデータ） (2020-01-21T16:48:54Z)
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。