Fugu-MT 論文翻訳(概要): CAFCT-Net: A CNN-Transformer Hybrid Network with Contextual and Attentional Feature Fusion for Liver Tumor Segmentation

論文の概要: CAFCT-Net: A CNN-Transformer Hybrid Network with Contextual and Attentional Feature Fusion for Liver Tumor Segmentation

arxiv url: http://arxiv.org/abs/2401.16886v2
Date: Fri, 04 Oct 2024 18:16:26 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-08 13:09:19.761840
Title: CAFCT-Net: A CNN-Transformer Hybrid Network with Contextual and Attentional Feature Fusion for Liver Tumor Segmentation
Title（参考訳）: CAFCT-Net:肝腫瘍分節に対する文脈的・注意的特徴融合型CNNトランスフォーマーハイブリッドネットワーク
Authors: Ming Kang, Chee-Ming Ting, Fung Fung Ting, Raphaël Phan,
Abstract要約: 肝腫瘍分節化のためのコンテクスト・アテンショナル機能FusionsEnhanced Convolutional Network (CNN) と Transformer Hybrid Network (CAFCT-Net) を提案する。実験の結果,提案モデルの平均断面積は76.54%,Dice係数は84.29%であった。
参考スコア（独自算出の注目度）: 3.8952128960495638
License:
Abstract: Medical image semantic segmentation techniques can help identify tumors automatically from computed tomography (CT) scans. In this paper, we propose a Contextual and Attentional feature Fusions enhanced Convolutional Neural Network (CNN) and Transformer hybrid network (CAFCT-Net) for liver tumor segmentation. We incorporate three novel modules in the CAFCT-Net architecture: Attentional Feature Fusion (AFF), Atrous Spatial Pyramid Pooling (ASPP) of DeepLabv3, and Attention Gates (AGs) to improve contextual information related to tumor boundaries for accurate segmentation. Experimental results show that the proposed model achieves a mean Intersection over Union (IoU) of 76.54% and Dice coefficient of 84.29%, respectively, on the Liver Tumor Segmentation Benchmark (LiTS) dataset, outperforming pure CNN or Transformer methods, e.g., Attention U-Net and PVTFormer.
Abstract（参考訳）: 医用画像セマンティックセグメンテーション技術は、CTスキャンから腫瘍を自動的に識別するのに役立つ。本稿では,肝腫瘍セグメンテーションのためのConvolutional Neural Network (CNN) と Transformer Hybrid Network (CAFCT-Net) を提案する。我々はCAFCT-Netアーキテクチャに3つの新しいモジュールを組み込んだ: AFF(Attentional Feature Fusion)、DeepLabv3のASPP(Atrous Spatial Pyramid Pooling)、AG(Attention Gates)。実験結果から, 肝腫瘍分離ベンチマーク(LiTS)データセットでは, 正常なCNN法やトランスフォーマー法, attention U-Net法, PVTFormer法でそれぞれ76.54%, Dice係数84.29%の平均結合(IoU)が達成された。

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)
Attention-Enhanced Hybrid Feature Aggregation Network for 3D Brain Tumor Segmentation [0.9897828700959131]
グリオ芽腫は、早期診断と迅速な介入を必要とする非常に攻撃的で悪性な脳腫瘍である。この課題に対処するため、人工知能(AI)が主導する医療のアプローチは、脳腫瘍の効率的な診断と評価に関心を寄せている。提案手法では,マルチスケール,注意誘導型,ハイブリッドU-Net形状モデルであるGLIMSを用いて,脳腫瘍の3次元セグメント化を行う。
論文参考訳（メタデータ） (2024-03-15T00:52:17Z)
M3BUNet: Mobile Mean Max UNet for Pancreas Segmentation on CT-Scans [25.636974007788986]
我々は,M3BUNetを提案する。M3BUNetはMobileNetとU-Netニューラルネットワークの融合で,2段階に分けて膵CT像を段階的に分割する,新しい平均値(MM)アテンションを備える。細かなセグメンテーションの段階では、ウェーブレット分解フィルタを用いてマルチインプット画像を作成することにより、膵のセグメンテーション性能が向上することがわかった。提案手法は,最大89.53%のDice similarity Coefficient(DSC)値と最大81.16のIntersection Over Union(IOU)スコアをNIH pancreasデータセットで達成する。
論文参考訳（メタデータ） (2024-01-18T23:10:08Z)
Breast Ultrasound Tumor Classification Using a Hybrid Multitask CNN-Transformer Network [63.845552349914186]
胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
論文参考訳（メタデータ） (2023-08-04T01:19:32Z)
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)
Learning from partially labeled data for multi-organ and tumor segmentation [102.55303521877933]
本稿では,トランスフォーマーに基づく動的オンデマンドネットワーク(TransDoDNet)を提案する。動的ヘッドにより、ネットワークは複数のセグメンテーションタスクを柔軟に達成することができる。我々はMOTSと呼ばれる大規模にラベル付けされたMulti-Organ and tumorベンチマークを作成し、他の競合相手よりもTransDoDNetの方が優れた性能を示す。
論文参考訳（メタデータ） (2022-11-13T13:03:09Z)
Decoupled Pyramid Correlation Network for Liver Tumor Segmentation from CT images [22.128902125820193]
Decoupled Pyramid correlation Network (DPC-Net)を提案する。注意機構を利用して、FCNに埋め込まれた低レベルの特徴と高レベルの特徴をフル活用し、肝腫瘍を分節する。 DSCは96.2%、ASSDは1.636mmで肝臓セグメンテーションが可能である。
論文参考訳（メタデータ） (2022-05-26T07:31:29Z)
Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文参考訳（メタデータ） (2022-04-19T10:41:09Z)
BiTr-Unet: a CNN-Transformer Combined Network for MRI Brain Tumor Segmentation [2.741266294612776]
マルチモーダルMRIスキャンにおける脳腫瘍セグメント化のための,BiTr-Unetと呼ばれるCNN-Transformer複合モデルを提案する。 The proposed BiTr-Unet is a good performance on the BraTS 2021 validation dataset with mean Dice score 0.9076, 0.8392 and 0.8231, and mean Hausdorff distance 4.5322, 13.4592 and 14.9963 for the entire tumor, tumor core, and enhance tumor。
論文参考訳（メタデータ） (2021-09-25T04:18:34Z)
Automatic size and pose homogenization with spatial transformer network to improve and accelerate pediatric segmentation [51.916106055115755]
空間変換器ネットワーク(STN)を利用することにより、ポーズとスケール不変の新たなCNNアーキテクチャを提案する。私たちのアーキテクチャは、トレーニング中に一緒に見積もられる3つのシーケンシャルモジュールで構成されています。腹部CTスキャナーを用いた腎および腎腫瘍の分節法について検討した。
論文参考訳（メタデータ） (2021-07-06T14:50:03Z)

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。