論文の概要: Inter-Scale Dependency Modeling for Skin Lesion Segmentation with Transformer-based Networks

• arxiv url: http://arxiv.org/abs/2310.13727v1
• Date: Fri, 20 Oct 2023 16:20:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-25 05:49:03.179883
• Title: Inter-Scale Dependency Modeling for Skin Lesion Segmentation with Transformer-based Networks
• Title（参考訳）: トランスフォーマーネットワークを用いた皮膚病変分節のスケール間依存性モデリング
• Authors: Sania Eskandari, Janet Lumpp
• Abstract要約: メラノーマは皮膚細胞の異常増殖によって引き起こされる皮膚がんの危険形態である。 U-Netアーキテクチャを含むFCNアプローチは、皮膚病変を自動的に分割して診断を支援する。 対称的U-Netモデルは優れた結果を示しているが、畳み込み演算を用いることで、長距離依存を捕捉する能力は制限されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Melanoma is a dangerous form of skin cancer caused by the abnormal growth of skin cells. Fully Convolutional Network (FCN) approaches, including the U-Net architecture, can automatically segment skin lesions to aid diagnosis. The symmetrical U-Net model has shown outstanding results, but its use of a convolutional operation limits its ability to capture long-range dependencies, which are essential for accurate medical image segmentation. In addition, the U-shaped structure suffers from the semantic gaps between the encoder and decoder. In this study, we developed and evaluated a U-shaped hierarchical Transformer-based structure for skin lesion segmentation while we proposed an Inter-scale Context Fusion (ISCF) to utilize the attention correlations in each stage of the encoder to adaptively combine the contexts coming from each stage to hinder the semantic gaps. The preliminary results of the skin lesion segmentation benchmark endorse the applicability and efficacy of the ISCF module.
• Abstract（参考訳）: メラノーマは皮膚細胞の異常増殖によって引き起こされる皮膚がんの危険形態である。 U-Netアーキテクチャを含むFCN(Fully Convolutional Network)アプローチは、皮膚病変を自動的に分割して診断を支援する。 対称的U-Netモデルは優れた結果を示しているが、畳み込み操作を使用することで、正確な医用画像分割に不可欠な長距離依存を捕捉する能力が制限されている。 加えて、U字型構造はエンコーダとデコーダのセマンティックギャップに悩まされている。 そこで本研究では,エンコーダの各段の注意相関を利用して,各段からの文脈を適応的に結合して意味的ギャップを阻害し,皮膚病変分割のためのu字型階層的トランスフォーマ構造(iscf)を考案し,評価した。 皮膚病変セグメンテーションベンチマークの予備結果は,ISCFモジュールの適用性と有効性を支持した。

関連論文リスト

• Prototype Learning Guided Hybrid Network for Breast Tumor Segmentation in DCE-MRI [58.809276442508256]
  本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマー層を組み合わせたハイブリッドネットワークを提案する。 プライベートおよびパブリックなDCE-MRIデータセットの実験結果から,提案したハイブリッドネットワークは最先端の手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-08-11T15:46:00Z)
• 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)
• Skin Lesion Segmentation Improved by Transformer-based Networks with Inter-scale Dependency Modeling [0.0]
  メラノーマは異常な皮膚細胞増殖に起因する皮膚癌の一種である。 対称的U-Netモデルの畳み込み操作への依存は、長距離依存をキャプチャする能力を妨げている。 この制限を克服するために、TransformerベースのいくつかのU-Netトポロジが最近作成されている。
  論文  参考訳（メタデータ） (2023-10-20T15:53:51Z)
• Generative Adversarial Networks based Skin Lesion Segmentation [7.9234173309439715]
  本稿では, 教師なし生成ネットワークを用いて正確な病変マスクを生成する, Efficient-GAN という新たな逆学習基盤を提案する。 Dice係数、Jaccard類似度、精度はそれぞれ90.1%、83.6%、94.5%である。 また,EGANと同等の性能を持つ軽量セグメンテーションフレームワーク(MGAN)を設計する。
  論文  参考訳（メタデータ） (2023-05-29T15:51:31Z)
• LCAUnet: A skin lesion segmentation network with enhanced edge and body fusion [4.819821513256158]
  LCAUnetは、エッジとボディの特徴の融合による相補表現の能力を向上させるために提案されている。 公開データセットISIC 2017、ISIC 2018、PH2の実験では、LCAUnetが最先端の手法よりも優れていることが示されている。
  論文  参考訳（メタデータ） (2023-05-01T14:05:53Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Attention Swin U-Net: Cross-Contextual Attention Mechanism for Skin Lesion Segmentation [4.320393382724066]
  我々は,注目度に基づくSwin U-Net拡張であるAtt-SwinU-Netを医用画像セグメンテーションのために提案する。 我々は、スキップ接続経路で使用される古典的連結操作は、注意機構を組み込むことで、さらに改善できると論じる。
  論文  参考訳（メタデータ） (2022-10-30T17:41:35Z)
• TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation [78.01570371790669]
  医用画像のセグメンテーションは医療システムの開発に必須の前提条件である。 様々な医療画像セグメンテーションタスクにおいて、U-Netとして知られるu字型アーキテクチャがデファクトスタンダードとなっている。 医用画像セグメンテーションの強力な代替手段として,トランスフォーマーとU-Netの両方を有効活用するTransUNetを提案する。
  論文  参考訳（メタデータ） (2021-02-08T16:10:50Z)
• 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)
• 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)
• Cascaded Context Enhancement Network for Automatic Skin Lesion Segmentation [10.648218637920035]
  自動皮膚病変分割のためのカスケードコンテキスト拡張ニューラルネットワークを定式化する。 ゲートベースの情報統合アプローチを用いた新しいコンテキストアグリゲーションモジュールを提案する。 4つの皮膚皮膚内視鏡画像データセットに対するアプローチについて検討した。
  論文  参考訳（メタデータ） (2020-04-17T08:25:17Z)

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。