論文の概要: Channel Attention Separable Convolution Network for Skin Lesion Segmentation

• arxiv url: http://arxiv.org/abs/2309.01072v1
• Date: Sun, 3 Sep 2023 04:20:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-06 23:28:36.719066
• Title: Channel Attention Separable Convolution Network for Skin Lesion Segmentation
• Title（参考訳）: 皮膚病変分割のためのチャンネル注意分離畳み込みネットワーク
• Authors: Changlu Guo, Jiangyan Dai, Marton Szemenyei, Yugen Yi
• Abstract要約: 皮膚病変分割のための新しいネットワークであるChannel Attention Separable Convolution Network (CASCN)を提案する。 CASCNは、Dice係数が0.9461で精度が0.9645であるPH2データセットの最先端性能を達成する。
• 参考スコア（独自算出の注目度）: 2.8636163472272576
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Skin cancer is a frequently occurring cancer in the human population, and it is very important to be able to diagnose malignant tumors in the body early. Lesion segmentation is crucial for monitoring the morphological changes of skin lesions, extracting features to localize and identify diseases to assist doctors in early diagnosis. Manual de-segmentation of dermoscopic images is error-prone and time-consuming, thus there is a pressing demand for precise and automated segmentation algorithms. Inspired by advanced mechanisms such as U-Net, DenseNet, Separable Convolution, Channel Attention, and Atrous Spatial Pyramid Pooling (ASPP), we propose a novel network called Channel Attention Separable Convolution Network (CASCN) for skin lesions segmentation. The proposed CASCN is evaluated on the PH2 dataset with limited images. Without excessive pre-/post-processing of images, CASCN achieves state-of-the-art performance on the PH2 dataset with Dice similarity coefficient of 0.9461 and accuracy of 0.9645.
• Abstract（参考訳）: 皮膚がんはヒト集団において頻繁に発生するがんであり、早期に悪性腫瘍を診断できることは非常に重要である。 病変の分節化は皮膚病変の形態変化のモニタリングに不可欠であり、早期診断で医師を助けるために疾患の局所化と同定を行う特徴を抽出する。 鏡視画像の手作業による切り離しは、エラーが発生しやすく、時間を要するため、正確かつ自動化されたセグメンテーションアルゴリズムの需要が高まっている。 U-Net, DenseNet, Separable Convolution, Channel Attention, Atrous spatial Pyramid Pooling (ASPP) などの先進的なメカニズムにインスパイアされ, 皮膚病変の分節に対するChannel Attention Separable Convolution Network (CASCN) と呼ばれる新しいネットワークを提案する。 提案したCASCNは、限られた画像でPH2データセット上で評価される。 CASCNは画像の過剰な前/後処理なしで、Dice類似度係数0.9461、精度0.9645のPH2データセット上で最先端のパフォーマンスを達成する。

関連論文リスト

• 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)
• 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)
• RA V-Net: Deep learning network for automated liver segmentation [1.6795461001108098]
  RA V-Netは、U-Netに基づく医療画像の自動セグメンテーションモデルである。 より複雑な畳み込み層とスキップ接続により、より高いレベルの画像特徴抽出能力が得られる。 符号化モジュールのデータ画素と復号モジュールとの間の空間的特徴は、チャネルとLSTM畳み込みを調整することで知覚される。 LSTM畳み込みとCAモジュールによって提供されるアテンションメカニズムは、ニューラルネットワークの性能を強く保証する。
  論文  参考訳（メタデータ） (2021-12-15T16:10:14Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Claw U-Net: A Unet-based Network with Deep Feature Concatenation for Scleral Blood Vessel Segmentation [18.10578418379116]
  SWS(Sturge-Weber syndrome)は、血管奇形疾患であり、患者の症状が重篤な場合、失明を引き起こす可能性がある。 精巣血管を正確に分画する方法は,コンピュータ診断において重要な問題となっている。 Claw UNetは、硬化血管画像データセット上で、他のUNetベースのネットワークを上回っている。
  論文  参考訳（メタデータ） (2020-10-20T09:55:29Z)
• DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
  本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。 我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。 皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
  論文  参考訳（メタデータ） (2020-08-19T06:02:46Z)
• Automatic Ischemic Stroke Lesion Segmentation from Computed Tomography Perfusion Images by Image Synthesis and Attention-Based Deep Neural Networks [15.349968422713218]
  急性期脳梗塞の正確な診断には脳卒中病変の分節が重要である。 低画像コントラストと拡散パラメータマップの分解能に挑戦する。 拡散パラメータマップから合成擬似重み画像に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-07T09:19:23Z)
• Collaborative Boundary-aware Context Encoding Networks for Error Map Prediction [65.44752447868626]
  本稿では,AEP-Net と呼ばれる協調的コンテキスト符号化ネットワークを提案する。 具体的には、画像とマスクのより優れた特徴融合のための協調的な特徴変換分岐と、エラー領域の正確な局所化を提案する。 AEP-Netはエラー予測タスクの平均DSCが0.8358,0.8164であり、ピアソン相関係数が0.9873である。
  論文  参考訳（メタデータ） (2020-06-25T12:42:01Z)
• Detector-SegMentor Network for Skin Lesion Localization and Segmentation [0.0]
  メラノーマ(Melanoma)は、早期に未診断となった皮膚がんの一種である。 本稿では,ネットワーク・イン・ネットワーク・コンボリューション・ニューラルネットワークによる皮膚病変のセグメンテーションを提案する。
  論文  参考訳（メタデータ） (2020-05-13T19:41:27Z)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)
• Weakly-Supervised Lesion Segmentation on CT Scans using Co-Segmentation [18.58056402884405]
  CTスキャンにおける病変分割は,病変・腫瘍の進展を正確に観察するための重要なステップである。 現在の慣行は、固形腫瘍の反応評価基準と呼ばれる不正確な代用に依存している。 本稿では,畳み込みニューラルネットワークを用いた弱教師付き病変分割法を提案する。
  論文  参考訳（メタデータ） (2020-01-23T15:15:53Z)

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。