Fugu-MT 論文翻訳(概要): OCU-Net: A Novel U-Net Architecture for Enhanced Oral Cancer Segmentation

論文の概要: OCU-Net: A Novel U-Net Architecture for Enhanced Oral Cancer Segmentation

arxiv url: http://arxiv.org/abs/2310.02486v1
Date: Tue, 3 Oct 2023 23:25:19 GMT
ステータス: 処理完了
システム内更新日: 2023-10-05 17:10:45.090173
Title: OCU-Net: A Novel U-Net Architecture for Enhanced Oral Cancer Segmentation
Title（参考訳）: OCU-Net: 口腔癌セグメンテーション強化のための新しいU-Netアーキテクチャ
Authors: Ahmed Albishri, Syed Jawad Hussain Shah, Yugyung Lee, Rong Wang
Abstract要約: 本研究は,口腔癌検出専用のU-NetイメージセグメンテーションアーキテクチャであるOCU-Netを提案する。 OCU-Netは、Channel and Space Attention Fusion (CSAF)モジュールのような高度なディープラーニングモジュールを組み込んでいる。本研究で用いた2つのデータセットの口腔癌セグメンテーションにおいて,これらのモジュールの組み込みは優れた性能を示した。
参考スコア（独自算出の注目度）: 22.652902408898733
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Accurate detection of oral cancer is crucial for improving patient outcomes. However, the field faces two key challenges: the scarcity of deep learning-based image segmentation research specifically targeting oral cancer and the lack of annotated data. Our study proposes OCU-Net, a pioneering U-Net image segmentation architecture exclusively designed to detect oral cancer in hematoxylin and eosin (H&E) stained image datasets. OCU-Net incorporates advanced deep learning modules, such as the Channel and Spatial Attention Fusion (CSAF) module, a novel and innovative feature that emphasizes important channel and spatial areas in H&E images while exploring contextual information. In addition, OCU-Net integrates other innovative components such as Squeeze-and-Excite (SE) attention module, Atrous Spatial Pyramid Pooling (ASPP) module, residual blocks, and multi-scale fusion. The incorporation of these modules showed superior performance for oral cancer segmentation for two datasets used in this research. Furthermore, we effectively utilized the efficient ImageNet pre-trained MobileNet-V2 model as a backbone of our OCU-Net to create OCU-Netm, an enhanced version achieving state-of-the-art results. Comprehensive evaluation demonstrates that OCU-Net and OCU-Netm outperformed existing segmentation methods, highlighting their precision in identifying cancer cells in H&E images from OCDC and ORCA datasets.
Abstract（参考訳）: 口腔癌の正確な検出は患者の予後を改善する上で重要である。しかし、この分野は、2つの大きな課題に直面している。深層学習に基づく画像分割研究の不足、特に口腔癌を対象とする研究、および注釈付きデータの欠如である。本研究は, ヘマトキシリンおよびエオシン(H&E)染色画像データセットの口腔癌検出専用のU-Net画像セグメンテーションアーキテクチャであるOCU-Netを提案する。 OCU-NetはChannel and Space Attention Fusion (CSAF)モジュールのような高度なディープラーニングモジュールを組み込んでいる。さらにocu-netはswish-and-excite (se) attention module, atrous spatial pyramid pooling (aspp) module, residual blocks, multi-scale fusionといった他の革新的なコンポーネントを統合している。本研究で用いた2つのデータセットの口腔癌セグメンテーションにおいて,これらのモジュールの組み込みは優れた性能を示した。さらに,画像ネットワークを事前学習したMobileNet-V2モデルをOCU-Netのバックボーンとして有効に活用し,最先端の成果を得られる拡張バージョンであるOCU-Netmを開発した。包括的評価は、OCU-NetとOCU-Netmが既存のセグメンテーション法より優れており、OCDCとORCAデータセットからのH&E画像中の癌細胞を同定する精度を強調していることを示している。

関連論文リスト

AWGUNET: Attention-Aided Wavelet Guided U-Net for Nuclei Segmentation in Histopathology Images [26.333686941245197]
本稿では,U-NetアーキテクチャとDenseNet-121バックボーンを組み合わせたセグメンテーション手法を提案する。本モデルでは,ウェーブレット誘導チャネルアテンションモジュールを導入し,セル境界のデライン化を促進させる。その結果,Mouseg と TNBC の2つの病理組織学的データセットを用いて,提案モデルの優位性を実証した。
論文参考訳（メタデータ） (2024-06-12T17:10:27Z)
AG-CRC: Anatomy-Guided Colorectal Cancer Segmentation in CT with Imperfect Anatomical Knowledge [9.961742312147674]
自動生成臓器マスクを利用する新しい解剖ガイドセグメンテーションフレームワークを開発した。提案手法を2つのCRCセグメンテーションデータセット上で広範囲に評価する。
論文参考訳（メタデータ） (2023-10-07T03:22:06Z)
Category Guided Attention Network for Brain Tumor Segmentation in MRI [6.685945448824158]
カテゴリー案内注意U-Net(CGA U-Net)という新しいセグメンテーションネットワークを提案する。本モデルでは,より正確かつ安定した特徴写像の長距離依存性を計算コストを伴わずに捉えることのできる,注目機構に基づくスーパービジョンアテンションモジュール(SAM)を設計する。 BraTS 2019データセットの実験的結果は、提案手法がセグメント化性能と計算複雑性の両方において最先端のアルゴリズムより優れていることを示している。
論文参考訳（メタデータ） (2022-03-29T09:22:29Z)
InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
論文参考訳（メタデータ） (2021-12-23T15:52:37Z)
PSGR: Pixel-wise Sparse Graph Reasoning for COVID-19 Pneumonia Segmentation in CT Images [83.26057031236965]
画像中の新型コロナウイルス感染領域セグメンテーションの長距離依存性のモデリングを強化するために,PSGRモジュールを提案する。 PSGRモジュールは不正確なピクセルからノードへの投影を回避し、グローバルな推論のために各ピクセル固有の情報を保存する。このソリューションは、3つの公開データセット上の4つの広く使われているセグメンテーションモデルに対して評価されている。
論文参考訳（メタデータ） (2021-08-09T04:58:23Z)
RCA-IUnet: A residual cross-spatial attention guided inception U-Net model for tumor segmentation in breast ultrasound imaging [0.6091702876917281]
本稿では,腫瘍セグメンテーションのトレーニングパラメータが最小限に抑えられたRCA-IUnetモデルについて紹介する。 RCA-IUnetモデルは、U-Netトポロジに従い、奥行きの深い分離可能な畳み込みとハイブリッドプール層を持つ。無関係な特徴を抑え、対象構造に焦点を合わせるために、空間横断型アテンションフィルタが加えられる。
論文参考訳（メタデータ） (2021-08-05T10:35:06Z)
Towards a Computed-Aided Diagnosis System in Colonoscopy: Automatic Polyp Segmentation Using Convolution Neural Networks [10.930181796935734]
大腸内視鏡およびカプセル内視鏡画像における病変の認識のための深層学習フレームワークを提案する。本研究では, SfS と RGB の新規な組み合わせを提案するとともに, FCN をポリップセグメンテーションに用いた最初の研究について述べる。
論文参考訳（メタデータ） (2021-01-15T10:08:53Z)
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)
Pairwise Relation Learning for Semi-supervised Gland Segmentation [90.45303394358493]
病理組織像における腺分節に対するPRS2モデルを提案する。このモデルはセグメンテーションネットワーク(S-Net)とペア関係ネットワーク(PR-Net)から構成される。我々は,GlaSデータセットの最近の5つの手法とCRAGデータセットの最近の3つの手法を比較した。
論文参考訳（メタデータ） (2020-08-06T15:02:38Z)
KiU-Net: Towards Accurate Segmentation of Biomedical Images using Over-complete Representations [59.65174244047216]
本稿では,高次元にデータを投影するオーバーコンプリートアーキテクチャ(Ki-Net)を提案する。このネットワークは、U-Netで拡張されると、小さな解剖学的ランドマークを分割する場合に大幅に改善される。早期新生児の2次元超音波による脳解剖学的セグメント化の課題について検討した。
論文参考訳（メタデータ） (2020-06-08T18:59:24Z)
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)

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。