論文の概要: A Region of Interest Focused Triple UNet Architecture for Skin Lesion Segmentation

• arxiv url: http://arxiv.org/abs/2311.12581v1
• Date: Tue, 21 Nov 2023 12:56:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-23 00:40:49.300573
• Title: A Region of Interest Focused Triple UNet Architecture for Skin Lesion Segmentation
• Title（参考訳）: 皮膚損傷セグメンテーションのためのトリプルUNetアーキテクチャの関心領域
• Authors: Guoqing Liu, Yu Guo, Caiying Wu, Guoqing Chen, Barintag Saheya, Qiyu Jin
• Abstract要約: 皮膚病変を自動的に分類するTriple-UNetを提案する。 3つのUNetアーキテクチャと適切なモジュールの有機的な組み合わせである。 実験の結果、Triple-UNetは皮膚病変のセグメンテーションの最先端よりも優れていた。
• 参考スコア（独自算出の注目度）: 7.018082503076486
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Skin lesion segmentation is of great significance for skin lesion analysis and subsequent treatment. It is still a challenging task due to the irregular and fuzzy lesion borders, and diversity of skin lesions. In this paper, we propose Triple-UNet to automatically segment skin lesions. It is an organic combination of three UNet architectures with suitable modules. In order to concatenate the first and second sub-networks more effectively, we design a region of interest enhancement module (ROIE). The ROIE enhances the target object region of the image by using the predicted score map of the first UNet. The features learned by the first UNet and the enhanced image help the second UNet obtain a better score map. Finally, the results are fine-tuned by the third UNet. We evaluate our algorithm on a publicly available dataset of skin lesion segmentation. Experiments show that Triple-UNet outperforms the state-of-the-art on skin lesion segmentation.
• Abstract（参考訳）: 皮膚病変のセグメンテーションは皮膚病変の解析およびその後の治療において非常に重要である。 不規則でファジィな病変境界と皮膚病変の多様性のため、依然として困難な課題である。 本稿では,皮膚病変を自動的に分類するTriple-UNetを提案する。 3つのUNetアーキテクチャと適切なモジュールの有機的な組み合わせである。 より効果的に第1および第2サブネットワークを結合するために、関心強化モジュール(ROIE)の領域を設計する。 ROIEは、第1UNetの予測スコアマップを用いて、画像のターゲット対象領域を強化する。 第1のunetと拡張された画像で学んだ機能は、第2のunetがより良いスコアマップを得るのに役立つ。 最後に、結果は第3のUNetによって微調整される。 本アルゴリズムは,皮膚病変セグメントの公開データセット上で評価する。 実験の結果、Triple-UNetは皮膚病変のセグメンテーションの最先端よりも優れていた。

関連論文リスト

• 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)
• 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)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• 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)
• Exploring dual-attention mechanism with multi-scale feature extraction scheme for skin lesion segmentation [0.0]
  本研究では,新しい畳み込みニューラルネットワークを用いた皮膚病変分割法を提案する。 より差別的な特徴を抽出するために,新しいマルチスケール特徴抽出モジュールを提案する。 提案手法は、ISIC 2018データセットで97.5%、94.29%、91.16%、95.92%、95.37%、91.52%の精度、リコール、JSIを報告した。
  論文  参考訳（メタデータ） (2021-11-16T14:08:35Z)
• Cascaded Robust Learning at Imperfect Labels for Chest X-ray Segmentation [61.09321488002978]
  不完全アノテーションを用いた胸部X線分割のための新しいカスケードロバスト学習フレームワークを提案する。 モデルは3つの独立したネットワークから成り,ピアネットワークから有用な情報を効果的に学習できる。 提案手法は,従来の手法と比較して,セグメント化タスクの精度を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2021-04-05T15:50:16Z)
• Rethinking the Extraction and Interaction of Multi-Scale Features for Vessel Segmentation [53.187152856583396]
  網膜血管と主要動脈を2次元基底画像と3次元CTアンギオグラフィー(CTA)スキャンで分割する,PC-Netと呼ばれる新しいディープラーニングモデルを提案する。 PC-Netでは、ピラミッド圧縮励起(PSE)モジュールが各畳み込みブロックに空間情報を導入し、より効果的なマルチスケール特徴を抽出する能力を高めている。
  論文  参考訳（メタデータ） (2020-10-09T08:22:54Z)
• Semantic Segmentation of Histopathological Slides for the Classification of Cutaneous Lymphoma and Eczema [4.4154284772781525]
  真菌症(Mycosis fungoides, MF)は、皮膚疾患を発症する稀な疾患である。 病理医の意思決定プロセスに2倍の価値をもたらす深層学習支援診断ツールを導入する。
  論文  参考訳（メタデータ） (2020-09-10T13:49:38Z)
• 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)

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。