論文の概要: Decomposing and Coupling Saliency Map for Lesion Segmentation in Ultrasound Images

• arxiv url: http://arxiv.org/abs/2308.00947v1
• Date: Wed, 2 Aug 2023 05:02:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-03 14:02:31.115458
• Title: Decomposing and Coupling Saliency Map for Lesion Segmentation in Ultrasound Images
• Title（参考訳）: 超音波画像における病変分割のためのsaliency mapの分解と結合
• Authors: Zhenyuan Ning, Yixiao Mao, Qianjin Feng, Shengzhou Zhong, and Yu Zhang
• Abstract要約: 超音波画像の複雑なシナリオは、隣接する組織が類似の強度を共有し、よりリッチなテクスチャパターンを含むことで、正確な病変のセグメンテーションに固有の課題をもたらす。 この研究はDC-Netと呼ばれる分解結合ネットワークを示し、(地上背景)サリエンシマップのアンタングルメント・フュージョン方式でこの問題に対処する。 提案手法は2つの超音波病変セグメンテーションタスクで評価され,既存の最先端手法よりも顕著な性能向上を示す。
• 参考スコア（独自算出の注目度）: 10.423431415758655
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Complex scenario of ultrasound image, in which adjacent tissues (i.e., background) share similar intensity with and even contain richer texture patterns than lesion region (i.e., foreground), brings a unique challenge for accurate lesion segmentation. This work presents a decomposition-coupling network, called DC-Net, to deal with this challenge in a (foreground-background) saliency map disentanglement-fusion manner. The DC-Net consists of decomposition and coupling subnets, and the former preliminarily disentangles original image into foreground and background saliency maps, followed by the latter for accurate segmentation under the assistance of saliency prior fusion. The coupling subnet involves three aspects of fusion strategies, including: 1) regional feature aggregation (via differentiable context pooling operator in the encoder) to adaptively preserve local contextual details with the larger receptive field during dimension reduction; 2) relation-aware representation fusion (via cross-correlation fusion module in the decoder) to efficiently fuse low-level visual characteristics and high-level semantic features during resolution restoration; 3) dependency-aware prior incorporation (via coupler) to reinforce foreground-salient representation with the complementary information derived from background representation. Furthermore, a harmonic loss function is introduced to encourage the network to focus more attention on low-confidence and hard samples. The proposed method is evaluated on two ultrasound lesion segmentation tasks, which demonstrates the remarkable performance improvement over existing state-of-the-art methods.
• Abstract（参考訳）: 超音波画像の複雑なシナリオでは、隣接する組織(背景)が類似の強度を共有し、病変領域(前景)よりもリッチなテクスチャパターンを含むことにより、正確な病変のセグメンテーションに固有の課題をもたらす。 この研究はDC-Netと呼ばれる分解結合ネットワークを示し、(地上背景)サリエンシマップのアンタングルメント・フュージョン方式でこの問題に対処する。 DC-Netは分解と結合のサブネットで構成され、前者はプリミティブに元の画像を前景と背景のサリエンシマップに切り離し、後者はサリエンシ前の融合の助けを借りて正確なセグメンテーションを行う。 結合サブネットは、核融合戦略の3つの側面を含む。 1)(エンコーダ内の相違可能なコンテキストプーリング演算子を介して)地域的特徴の集約を行い、次元減少の際、より大きい受容領域で局所的文脈の詳細を適応的に保存する。 2)リゾリューション修復中の低レベル視覚特性と高レベル意味特徴を効率的に融合するための関係認識表現融合(デコーダにおける相互相関融合モジュール) 3) 背景表現から派生した補完的情報を用いて前景的表現を強化するための(カプラによる)依存関係認識事前化。 さらに,高調波損失関数を導入し,低信頼とハードサンプルに注意を向けるようにした。 提案手法は2つの超音波病変セグメンテーションタスクで評価され,既存の最先端手法よりも優れた性能を示す。

関連論文リスト

• Semantic-guided Adversarial Diffusion Model for Self-supervised Shadow Removal [5.083330121710086]
  GANベースのトレーニングは、しばしばモード崩壊や不安定な最適化といった問題に直面している。 自己教師付きシャドウ除去のための意味誘導逆拡散フレームワークを提案する。 複数の公開データセットで実験を行い,本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2024-07-01T09:14:38Z)
• Fully Differentiable Correlation-driven 2D/3D Registration for X-ray to CT Image Fusion [3.868072865207522]
  画像ベース剛性2D/3Dレジストレーションは, 蛍光ガイド下外科手術において重要な技術である。 デュアルブランチCNN変換器エンコーダを用いた完全微分型相関型ネットワークを提案する。 組込み情報に基づく低周波特徴と高周波特徴の分解に対して相関型損失を提案する。
  論文  参考訳（メタデータ） (2024-02-04T14:12:51Z)
• Mutual Information-driven Triple Interaction Network for Efficient Image Dehazing [54.168567276280505]
  画像デハージングのための相互情報駆動型トリプルインタラクションネットワーク(MITNet)を提案する。 振幅誘導ヘイズ除去と呼ばれる第1段階は、ヘイズ除去のためのヘイズ画像の振幅スペクトルを復元することを目的としている。 第2段階は位相誘導構造が洗練され、位相スペクトルの変換と微細化を学ぶことに尽力した。
  論文  参考訳（メタデータ） (2023-08-14T08:23:58Z)
• Progressively Dual Prior Guided Few-shot Semantic Segmentation [57.37506990980975]
  Few-shotのセマンティックセマンティックセマンティクスタスクは、いくつかのアノテーション付きサポートサンプルを使用して、クエリイメージのセマンティクスを実行することを目的としている。 本稿では,先進的に2重にガイドされた数発のセマンティックセマンティックセグメンテーションネットワークを提案する。
  論文  参考訳（メタデータ） (2022-11-20T16:19:47Z)
• CoCoNet: Coupled Contrastive Learning Network with Multi-level Feature Ensemble for Multi-modality Image Fusion [72.8898811120795]
  我々は、赤外線と可視画像の融合を実現するために、CoCoNetと呼ばれるコントラスト学習ネットワークを提案する。 本手法は,主観的評価と客観的評価の両面において,最先端(SOTA)性能を実現する。
  論文  参考訳（メタデータ） (2022-11-20T12:02:07Z)
• Exploring Separable Attention for Multi-Contrast MR Image Super-Resolution [88.16655157395785]
  本稿では,SANet という,分離可能なアテンションネットワーク (優先のアテンションと背景分離のアテンションを含む) を提案する。 補助コントラストの助けを借りて、前後方向の前景と背景領域を探索することができる。 これは、補助コントラストを用いて前景と背景領域を予測する分離可能なアテンションメカニズムを探索する最初のモデルである。
  論文  参考訳（メタデータ） (2021-09-03T05:53:07Z)
• Feedback Graph Attention Convolutional Network for Medical Image Enhancement [32.95483574100177]
  フィードバックグラフ注意畳み込みネットワーク(FB-GACN)という新しいバイオメディカル画像強調ネットワークを提案する。 重要なイノベーションとして、画像サブリージョンからグラフネットワークを構築することにより、画像のグローバルな構造を考える。 実験の結果,提案アルゴリズムは最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-06-24T16:46:05Z)
• Identity Enhanced Residual Image Denoising [61.75610647978973]
  我々は、アイデンティティマッピングモジュールのチェーンと、画像の復号化のための残像アーキテクチャの残像からなる、完全な畳み込みネットワークモデルを学ぶ。 提案するネットワークは,従来の最先端・CNNアルゴリズムよりも極めて高い数値精度と画像品質を実現している。
  論文  参考訳（メタデータ） (2020-04-26T04:52:22Z)
• Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
  本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。 特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
  論文  参考訳（メタデータ） (2020-03-02T13:28:32Z)

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。