論文の概要: FLDNet: A Foreground-Aware Network for Polyp Segmentation Leveraging
Long-Distance Dependencies
- arxiv url: http://arxiv.org/abs/2309.05987v1
- Date: Tue, 12 Sep 2023 06:32:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-13 14:09:36.635401
- Title: FLDNet: A Foreground-Aware Network for Polyp Segmentation Leveraging
Long-Distance Dependencies
- Title(参考訳): FLDNet: 長距離依存を活用したポリプセグメンテーションのためのフォアグラウンドアウェアネットワーク
- Authors: Xuefeng Wei, Xuan Zhou
- Abstract要約: 本研究では,トランスフォーマーに基づくニューラルネットワークであるFLDNetを提案する。
提案手法であるFLDNetは, 一般的なデータセットの7つの指標を用いて評価し, 広く利用されている評価尺度の最先端手法よりも優れていることを示した。
- 参考スコア(独自算出の注目度): 1.7623838912231695
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Given the close association between colorectal cancer and polyps, the
diagnosis and identification of colorectal polyps play a critical role in the
detection and surgical intervention of colorectal cancer. In this context, the
automatic detection and segmentation of polyps from various colonoscopy images
has emerged as a significant problem that has attracted broad attention.
Current polyp segmentation techniques face several challenges: firstly, polyps
vary in size, texture, color, and pattern; secondly, the boundaries between
polyps and mucosa are usually blurred, existing studies have focused on
learning the local features of polyps while ignoring the long-range
dependencies of the features, and also ignoring the local context and global
contextual information of the combined features. To address these challenges,
we propose FLDNet (Foreground-Long-Distance Network), a Transformer-based
neural network that captures long-distance dependencies for accurate polyp
segmentation. Specifically, the proposed model consists of three main modules:
a pyramid-based Transformer encoder, a local context module, and a
foreground-Aware module. Multilevel features with long-distance dependency
information are first captured by the pyramid-based transformer encoder. On the
high-level features, the local context module obtains the local characteristics
related to the polyps by constructing different local context information. The
coarse map obtained by decoding the reconstructed highest-level features guides
the feature fusion process in the foreground-Aware module of the high-level
features to achieve foreground enhancement of the polyps. Our proposed method,
FLDNet, was evaluated using seven metrics on common datasets and demonstrated
superiority over state-of-the-art methods on widely-used evaluation measures.
- Abstract(参考訳): 大腸癌とポリープの密接な関係を考えると,大腸ポリープの診断と同定は大腸癌の検出と外科的介入において重要な役割を担っている。
このような状況下では,様々な大腸内視鏡像からのポリープの自動検出とセグメンテーションが重要な問題として現れ,注目されている。
ポリープと粘膜の境界は通常曖昧であり、既存の研究では、ポリープの局所的な特徴を学習しながら、特徴の長距離的依存関係を無視し、また、局所的なコンテキストや、組み合わせた特徴のグローバルな文脈情報を無視している。
これらの課題に対処するために、トランスフォーマーベースのニューラルネットワークであるFLDNet(Foreground-Long-Distance Network)を提案する。
具体的には、ピラミッドベースのTransformerエンコーダ、ローカルコンテキストモジュール、フォアグラウンド・アウェアモジュールの3つの主要なモジュールで構成されている。
長距離依存情報を持つマルチレベル機能は、ピラミッドベースのトランスフォーマーエンコーダによって最初にキャプチャされる。
ハイレベルな特徴について、ローカルコンテキストモジュールは、異なるローカルコンテキスト情報を構築して、ポリプに関連するローカル特性を得る。
再構成された最高レベル特徴のデコードにより得られた粗い地図は、高レベル特徴のフォアグラウンドアウェアモジュールにおける特徴融合プロセスを導くことにより、ポリプのフォアグラウンド強化を実現する。
提案手法であるfldnetは,共通データセットの7つの指標を用いて評価し,広く用いられている評価尺度において最先端手法よりも優れていることを示した。
関連論文リスト
- PSTNet: Enhanced Polyp Segmentation with Multi-scale Alignment and Frequency Domain Integration [17.1088588766663]
Polyp Network with Shunted Transformer (PSTNet) は、画像に存在するRGBと周波数領域の両方を統合する新しいアプローチである。
PSTNetは3つの主要なモジュールから構成される: 周波数特性アテンションモジュール(FCAM)は周波数キューを抽出し、ポリプの特徴を捉え、特徴補助アライメントモジュール(FSAM)は意味情報を調整し、ノイズを低減し、CPMは周波数キューを高レベルなセマンティクスと相乗化して効率的なポリプセグメンテーションを実現する。
論文 参考訳(メタデータ) (2024-09-13T02:52:25Z) - Multi-Layer Dense Attention Decoder for Polyp Segmentation [10.141956829529859]
局所的に強化された多層密集度特徴を階層的に集約することを目的とした,新しいデコーダアーキテクチャを提案する。
具体的には、Dense Attention Gate (DAG) と呼ばれる新しいモジュールを紹介します。
実験と9つの競合セグメンテーションモデルとの比較により,提案アーキテクチャが最先端の性能を達成することを示す。
論文 参考訳(メタデータ) (2024-03-27T01:15:05Z) - Lesion-aware Dynamic Kernel for Polyp Segmentation [49.63274623103663]
ポリープセグメンテーションのための障害対応動的ネットワーク(LDNet)を提案する。
従来のU字型エンコーダ・デコーダ構造であり、動的カーネル生成と更新スキームが組み込まれている。
この単純だが効果的なスキームは、我々のモデルに強力なセグメンテーション性能と一般化能力を与える。
論文 参考訳(メタデータ) (2023-01-12T09:53:57Z) - Adaptive Context Selection for Polyp Segmentation [99.9959901908053]
本稿では,ローカルコンテキストアテンション(LCA)モジュール,グローバルコンテキストモジュール(GCM)モジュール,適応選択モジュール(ASM)モジュールで構成される適応コンテキスト選択に基づくエンコーダデコーダフレームワークを提案する。
LCAモジュールは、エンコーダ層からデコーダ層へローカルなコンテキスト機能を提供する。
GCMは、グローバルなコンテキストの特徴をさらに探求し、デコーダ層に送信することを目的としている。ASMは、チャンネルワイドアテンションを通じて、コンテキスト特徴の適応的選択と集約に使用される。
論文 参考訳(メタデータ) (2023-01-12T04:06:44Z) - LCPFormer: Towards Effective 3D Point Cloud Analysis via Local Context
Propagation in Transformers [60.51925353387151]
本稿では,近隣地域間のメッセージパッシングを活用するために,LCP (Local Context Propagation) という新しいモジュールを提案する。
隣接するローカル領域の重複点を仲介として使用した後、異なるローカルリージョンからの共有ポイントの特徴を再重み付けし、その後、次のレイヤに渡す。
提案手法は, 異なるタスクに適用可能であり, 3次元形状分類や高密度予測タスクを含むベンチマークにおいて, 様々なトランスフォーマーベースの手法より優れる。
論文 参考訳(メタデータ) (2022-10-23T15:43:01Z) - Polyp-PVT: Polyp Segmentation with Pyramid Vision Transformers [124.01928050651466]
本稿では,Polyp-PVTと呼ばれる新しいタイプのPolypセグメンテーション手法を提案する。
提案モデルであるPolyp-PVTは,特徴の雑音を効果的に抑制し,その表現能力を大幅に向上させる。
論文 参考訳(メタデータ) (2021-08-16T07:09:06Z) - Automatic Polyp Segmentation via Multi-scale Subtraction Network [100.94922587360871]
臨床的には、正確なポリープセグメンテーションは大腸癌の早期発見に重要な情報を提供する。
既存のほとんどの手法はU字型構造に基づいており、デコーダで段階的に異なるレベルの特徴を融合させるために要素ワイド付加または結合を用いる。
大腸内視鏡画像からポリプを抽出するマルチスケールサブトラクションネットワーク(MSNet)を提案する。
論文 参考訳(メタデータ) (2021-08-11T07:54:07Z) - PraNet: Parallel Reverse Attention Network for Polyp Segmentation [155.93344756264824]
大腸内視鏡画像の高精度なポリープ分割のための並列リバースアテンションネットワーク(PraNet)を提案する。
並列部分復号器(PPD)を用いて,まず高層層に特徴を集約する。
さらに,エリアとバウンダリの関連性を確立するために,リバースアテンション(RA)モジュールを用いて境界キューをマイニングする。
論文 参考訳(メタデータ) (2020-06-13T08:13:43Z)
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。