論文の概要: Edge-aware Feature Aggregation Network for Polyp Segmentation
- arxiv url: http://arxiv.org/abs/2309.10523v1
- Date: Tue, 19 Sep 2023 11:09:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-20 14:53:05.194820
- Title: Edge-aware Feature Aggregation Network for Polyp Segmentation
- Title（参考訳）: ポリープセグメンテーションのためのエッジ対応特徴集約ネットワーク
- Authors: Tao Zhou, Yizhe Zhang, Geng Chen, Yi Zhou, Ye Wu and Deng-Ping Fan
- Abstract要約: 本研究では,ポリプセグメンテーションのためのエッジ対応特徴集約ネットワーク(EFA-Net)を提案する。
EFA-Netは、ポリプセグメンテーションの性能を高めるために、クロスレベルとマルチスケールの機能を完全に活用することができる。
広く採用されている5つの大腸内視鏡データセットの実験結果から,我々のEFA-Netは,一般化と有効性の観点から,最先端のポリプセグメンテーション法より優れていることが示された。
- 参考スコア（独自算出の注目度）: 40.3881565207086
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Precise polyp segmentation is vital for the early diagnosis and prevention of
colorectal cancer (CRC) in clinical practice. However, due to scale variation
and blurry polyp boundaries, it is still a challenging task to achieve
satisfactory segmentation performance with different scales and shapes. In this
study, we present a novel Edge-aware Feature Aggregation Network (EFA-Net) for
polyp segmentation, which can fully make use of cross-level and multi-scale
features to enhance the performance of polyp segmentation. Specifically, we
first present an Edge-aware Guidance Module (EGM) to combine the low-level
features with the high-level features to learn an edge-enhanced feature, which
is incorporated into each decoder unit using a layer-by-layer strategy.
Besides, a Scale-aware Convolution Module (SCM) is proposed to learn
scale-aware features by using dilated convolutions with different ratios, in
order to effectively deal with scale variation. Further, a Cross-level Fusion
Module (CFM) is proposed to effectively integrate the cross-level features,
which can exploit the local and global contextual information. Finally, the
outputs of CFMs are adaptively weighted by using the learned edge-aware
feature, which are then used to produce multiple side-out segmentation maps.
Experimental results on five widely adopted colonoscopy datasets show that our
EFA-Net outperforms state-of-the-art polyp segmentation methods in terms of
generalization and effectiveness.
- Abstract（参考訳）: 大腸癌 (CRC) の早期診断と予防には, 正確なポリープ分画が不可欠である。
しかし, スケールのばらつきやぼやけたポリプ境界のため, スケールや形状の異なる良好なセグメンテーション性能を実現することは依然として難しい課題である。
本研究では,ポリプセグメンテーションのためのエッジ対応機能集約ネットワーク(EFA-Net)を提案し,ポリプセグメンテーションの性能を高めるために,クロスレベル機能とマルチスケール機能を完全に活用する。
具体的には、まずエッジ対応誘導モジュール(EGM)を提示し、低レベル機能と高レベル機能を組み合わせて、レイヤバイレイヤ戦略を用いて各デコーダユニットに組み込まれたエッジ強化機能を学ぶ。
また、スケール変動を効果的に処理するために、異なる比率の拡張畳み込みを用いてスケール認識機能を学ぶために、スケール認識畳みモジュール(scm)が提案されている。
さらに,局地的・グローバルな文脈情報を活用するクロスレベル統合モジュール (CFM) を提案する。
最後に、CFMの出力を学習したエッジ認識機能を用いて適応的に重み付けし、複数のサイドアウトセグメンテーションマップを生成する。
広く採用されている5つの大腸内視鏡データセットの実験結果から,我々のEFA-Netは,一般化と有効性の観点から最先端のポリプセグメンテーション法より優れていることが示された。
関連論文リスト
- ASPS: Augmented Segment Anything Model for Polyp Segmentation [77.25557224490075]
SAM(Segment Anything Model)は、ポリープセグメンテーションに先例のないポテンシャルを導入している。
SAMのTransformerベースの構造は、グローバルおよび低周波情報を優先する。
CFAはトレーニング可能なCNNエンコーダブランチと凍結したViTエンコーダを統合し、ドメイン固有の知識の統合を可能にする。
論文 参考訳（メタデータ） (2024-06-30T14:55:32Z) - EPPS: Advanced Polyp Segmentation via Edge Information Injection and Selective Feature Decoupling [5.453850739960517]
We propose a novel model named Edge-Prioritized Polyp (EPPS)。
具体的には,ポリプのエッジを正確に抽出することを目的としたエッジマッピングエンジン(EME)を組み込んだ。
また,Selective Feature Decoupler (SFD) と呼ばれるコンポーネントを導入し,モデルに対するノイズや外的特徴の影響を抑える。
論文 参考訳（メタデータ） (2024-05-20T07:41:04Z) - Multi-scale Information Sharing and Selection Network with Boundary Attention for Polyp Segmentation [10.152504573356413]
本稿では,多目的セグメンテーションタスクのためのマルチスケール情報共有選択ネットワーク(MISNet)を提案する。
5つのpolypセグメンテーションデータセットの実験により、MISNetはセグメンテーション結果の精度と明確性を改善した。
論文 参考訳（メタデータ） (2024-05-18T02:48:39Z) - 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) - SegT: A Novel Separated Edge-guidance Transformer Network for Polyp
Segmentation [10.144870911523622]
本稿では, 効率的なポリープ分割モデルを構築することを目的とした, エッジ誘導変換器 (SegT) ネットワークを提案する。
既存のCNNベースのアプローチよりも堅牢な表現を学習するトランスフォーマーエンコーダが特に適用された。
SegTの有効性を評価するために、5つの挑戦的な公開データセットを用いて実験を行った。
論文 参考訳（メタデータ） (2023-06-19T08:32:05Z) - 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) - 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。