Fugu-MT 論文翻訳(概要): Pubic Symphysis-Fetal Head Segmentation Using Full Transformer with Bi-level Routing Attention

論文の概要: Pubic Symphysis-Fetal Head Segmentation Using Full Transformer with Bi-level Routing Attention

arxiv url: http://arxiv.org/abs/2310.00289v1
Date: Sat, 30 Sep 2023 07:45:50 GMT
ステータス: 処理完了
システム内更新日: 2023-10-05 05:19:54.666896
Title: Pubic Symphysis-Fetal Head Segmentation Using Full Transformer with Bi-level Routing Attention
Title（参考訳）: バイレベル経路注意を考慮した完全変圧器を用いたpubic symphysis-fetal head segmentation
Authors: Pengzhou Cai
Abstract要約: BRAU-Net という手法を提案し, 両性交感神経と胎児の頭部の分節課題を解決する。 U-Netのような純粋なトランスフォーマーアーキテクチャを採用し、双方向のルーティングアテンションと接続をスキップすることで、ローカル・グローバルなセマンティック情報を効果的に学習する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we propose a method, named BRAU-Net, to solve the pubic symphysis-fetal head segmentation task. The method adopts a U-Net-like pure Transformer architecture with bi-level routing attention and skip connections, which effectively learns local-global semantic information. The proposed BRAU-Net was evaluated on transperineal Ultrasound images dataset from the pubic symphysis-fetal head segmentation and angle of progression (FH-PS-AOP) challenge. The results demonstrate that the proposed BRAU-Net achieves comparable a final score. The codes will be available at https://github.com/Caipengzhou/BRAU-Net.
Abstract（参考訳）: 本稿では,pubic symphysis-fetal head segmentationタスクを解決するbrau-netという手法を提案する。この方法は、u-netライクな純粋トランスフォーマーアーキテクチャを採用し、バイレベルルーティングの注意とスキップ接続を持ち、局所的グローバル意味情報を効果的に学習する。提案するbrau-netは,pubic symphysis-fetal head segmentation and angle of progression (fh-ps-aop) challengeから得られた経会陰超音波画像データを用いて評価した。その結果,提案したBRAU-Netは最終スコアに匹敵する結果を得た。コードはhttps://github.com/caipengzhou/brau-netで入手できる。

関連論文リスト

Pubic Symphysis-Fetal Head Segmentation Network Using BiFormer Attention Mechanism and Multipath Dilated Convolution [6.673262517388075]
経ペリン超音波画像における胎児の頭頂部偏位は,胎児の頭頂部偏位と進行を評価する上で重要な役割を担っている。超音波画像セグメンテーションのための動的でクエリ対応のスパースアテンション機構を提案する。 BRAU-Net という新しい手法を提案する。
論文参考訳（メタデータ） (2024-10-14T10:14:04Z)
MiTU-Net: A fine-tuned U-Net with SegFormer backbone for segmenting pubic symphysis-fetal head [0.0]
そこで本稿では, 胎児の頭部・耳下神経症状の自動分離とAoP測定のためのMix Transformer U-Net(MiTU-Net)ネットワークを提案する。 MiTU-Netはエンコーダ・デコーダ・フレームワークをベースにしており、事前訓練された効率的なトランスフォーマーを使用して特徴表現を強化する。本モデルでは,既存手法と比較して5位にランクインし,競争性能を向上する。
論文参考訳（メタデータ） (2024-01-27T21:53:05Z)
GDB: Gated convolutions-based Document Binarization [0.0]
我々は、ゲーティング値の学習としてテキスト抽出を定式化し、不正確なストロークエッジ抽出の問題を解決するために、エンドツーエンドのゲート畳み込みネットワーク(GDB)を提案する。提案するフレームワークは,2つの段階から構成される。第1に,事前マスクとエッジを供給して,より正確な特徴マップを得るために,エッジブランチを付加した粗いサブネットワークを訓練する。第2に、シャープエッジに基づくゲート畳み込みにより第1ステージの出力を洗練させるために、精製サブネットワークをカスケードする。
論文参考訳（メタデータ） (2023-02-04T02:56:40Z)
A Trio-Method for Retinal Vessel Segmentation using Image Processing [0.0]
本稿では,三重前処理法を用いて網膜血管の分画に焦点を当てた。 2つの提案されたU-Netアーキテクチャは、すべての標準的なパフォーマンス指標で比較された。このリアルタイムデプロイメントは、セグメンテーションと検出を向上した画像の効率的な前処理を支援する。
論文参考訳（メタデータ） (2022-09-19T22:07:34Z)
On the Effective Number of Linear Regions in Shallow Univariate ReLU Networks: Convergence Guarantees and Implicit Bias [50.84569563188485]
我々は、ラベルが$r$のニューロンを持つターゲットネットワークの符号によって決定されるとき、勾配流が方向収束することを示す。我々の結果は、標本サイズによらず、幅が$tildemathcalO(r)$である、緩やかなオーバーパラメータ化をすでに維持しているかもしれない。
論文参考訳（メタデータ） (2022-05-18T16:57:10Z)
GT U-Net: A U-Net Like Group Transformer Network for Tooth Root Segmentation [11.177365038111438]
歯根切開のためのグループトランスフォーマーネットワーク(GT U-Net)を提案する。提案するネットワークはU-Netの基本構造を保持するが,各エンコーダとデコーダはグループ変換器に置き換えられる。提案するネットワークは,収集した歯根分節データセットとパブリックレティナデータセットの最先端性能を実現する。
論文参考訳（メタデータ） (2021-09-30T02:39:07Z)
Deep ensembles based on Stochastic Activation Selection for Polyp Segmentation [82.61182037130406]
本研究は,大腸内視鏡検査における画像分割,特に正確なポリープ検出とセグメンテーションを扱う。イメージセグメンテーションの基本アーキテクチャはエンコーダとデコーダで構成されている。我々はデコーダのバックボーンを変更することで得られるDeepLabアーキテクチャのバリエーションを比較した。
論文参考訳（メタデータ） (2021-04-02T02:07:37Z)
Batch Coherence-Driven Network for Part-aware Person Re-Identification [79.33809815035127]
既存のパートアウェアの人物再識別方法は、通常、ボディ部分の検出と部分レベルの特徴抽出という2つのステップを使用する。トレーニングフェーズとテストフェーズの両方で身体の一部をバイパスし,セマンティックに整合した機能を実現するNetworkBCDNetを提案する。
論文参考訳（メタデータ） (2020-09-21T09:04:13Z)
Boundary-assisted Region Proposal Networks for Nucleus Segmentation [89.69059532088129]
大量の核が混在しているため、機械学習モデルはうまく機能しない。我々は、堅牢なインスタンスレベルの核分割を実現する境界支援領域提案ネットワーク(BRP-Net)を考案する。
論文参考訳（メタデータ） (2020-06-04T08:26:38Z)
MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT Prostate Segmentation via Online Sampling [66.01558025094333]
本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
論文参考訳（メタデータ） (2020-05-15T10:37:02Z)
Holistically-Attracted Wireframe Parsing [123.58263152571952]
本稿では,入力画像中のベクトル化ワイヤフレームを1つのフォワードパスで検出する高速で類似的な解析手法を提案する。提案手法は, (i) ラインセグメントとジャンクション提案生成, (ii) ラインセグメントとジャンクションマッチング, (iii) ラインセグメントとジャンクション検証の3つのコンポーネントから構成される。
論文参考訳（メタデータ） (2020-03-03T17:43:57Z)

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。