論文の概要: Automated Polyp Segmentation in Colonoscopy Images
- arxiv url: http://arxiv.org/abs/2404.04461v1
- Date: Sat, 6 Apr 2024 01:07:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-09 21:08:32.796855
- Title: Automated Polyp Segmentation in Colonoscopy Images
- Title(参考訳): 大腸内視鏡画像におけるポリープ自動分割
- Authors: Swagat Ranjit, Jian Zhang, Bijaya B. Karki,
- Abstract要約: 本研究は,大腸の内視鏡像からポリープを分離するために,拡張畳み込みモジュールとクリスクロスアテンションに基づくネットワークを用いて検討する。
私たちのアーキテクチャでは、既存のモデルと比較して、すべてのメトリクスの平均3.75%の改善が示されています。
- 参考スコア(独自算出の注目度): 3.9462477429057823
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: It is important to find the polyps in a human system that helps to prevent cancer during medical diagnosis. This research discusses using a dilated convolution module along with a criss cross attention-based network to segment polyps from the endoscopic images of the colon. To gather the context information of all pixels in an image more efficiently, criss-cross attention module has played a vital role. In order to extract maximum information from dataset, data augmentation techniques are employed in the dataset. Rotations, flips, scaling, and contrast along with varying learning rates were implemented to make a better model. Global average pooling was applied over ResNet50 that helped to store the important details of encoder. In our experiment, the proposed architecture's performance was compared with existing models like U-Net, DeepLabV3, PraNet. This architecture outperformed other models on the subset of dataset which has irregular polyp shapes. The combination of dilated convolution module, RCCA, and global average pooling was found to be effective for irregular shapes. Our architecture demonstrates an enhancement, with an average improvement of 3.75% across all metrics when compared to existing models.
- Abstract(参考訳): 臨床診断において癌予防に役立つ人体のポリープを見つけることが重要である。
本研究は,大腸の内視鏡像からポリープを分離するために,拡張畳み込みモジュールとクリスクロスアテンションに基づくネットワークを用いて検討する。
画像中の全画素のコンテキスト情報をより効率的に収集するために、クリッスクロスアテンションモジュールが重要な役割を果たす。
データセットから最大情報を抽出するために、データセットにデータ拡張技術を用いる。
ローテーション、フリップ、スケーリング、コントラストに加えて、より優れたモデルを作るために、さまざまな学習率を実装した。
グローバル平均プーリングは、エンコーダの重要な詳細を保存するのに役立ったResNet50に適用される。
実験では,提案アーキテクチャの性能をU-Net, DeepLabV3, PraNetなどの既存モデルと比較した。
このアーキテクチャは、不規則なポリプ形状を持つデータセットのサブセット上で、他のモデルよりも優れていた。
拡張畳み込みモジュール,RCCA,グローバル平均プールの組み合わせは不規則な形状に有効であることがわかった。
私たちのアーキテクチャでは、既存のモデルと比較して、すべてのメトリクスの平均3.75%の改善が示されています。
関連論文リスト
- M3FPolypSegNet: Segmentation Network with Multi-frequency Feature Fusion
for Polyp Localization in Colonoscopy Images [1.389360509566256]
M3FPolypSegNet (M3FPolypSegNet) は、入力画像を低周波数成分/高周波数成分に分解する。
我々は3つの独立したマルチ周波数エンコーダを用いて、複数の入力画像を高次元の特徴空間にマッピングした。
我々は,4つのデコーダブロックで3つのマルチタスク学習(領域,エッジ,距離)を設計し,その領域の構造的特徴を学習した。
論文 参考訳(メタデータ) (2023-10-09T09:01:53Z) - Lesion-aware Dynamic Kernel for Polyp Segmentation [49.63274623103663]
ポリープセグメンテーションのための障害対応動的ネットワーク(LDNet)を提案する。
従来のU字型エンコーダ・デコーダ構造であり、動的カーネル生成と更新スキームが組み込まれている。
この単純だが効果的なスキームは、我々のモデルに強力なセグメンテーション性能と一般化能力を与える。
論文 参考訳(メタデータ) (2023-01-12T09:53:57Z) - Stacking Ensemble Learning in Deep Domain Adaptation for Ophthalmic
Image Classification [61.656149405657246]
ドメイン適応は、十分なラベルデータを取得することが困難な画像分類タスクに有効である。
本稿では,3つのドメイン適応手法を拡張することで,アンサンブル学習を積み重ねるための新しい手法SELDAを提案する。
Age-Related Eye Disease Study (AREDS)ベンチマーク眼科データセットを用いた実験結果から,提案モデルの有効性が示された。
論文 参考訳(メタデータ) (2022-09-27T14:19:00Z) - TransDeepLab: Convolution-Free Transformer-based DeepLab v3+ for Medical
Image Segmentation [11.190117191084175]
本稿では,DeepLabライクな医用画像セグメンテーション用トランスフォーマであるTransDeepLabを提案する。
我々は、DeepLabv3を拡張し、ASPPモジュールをモデル化するために、シフトウィンドウを持つ階層型Swin-Transformerを利用する。
提案手法は,視覚変換器とCNNに基づく手法のアマルガメーションにおいて,現代のほとんどの作品に匹敵する,あるいは同等に動作する。
論文 参考訳(メタデータ) (2022-08-01T09:53:53Z) - Automatic Polyp Segmentation with Multiple Kernel Dilated Convolution
Network [3.1374864575817214]
本研究では,自動ポリープセグメンテーションのための新しいディープラーニングアーキテクチャ,textbfMKDCNetを提案する。
4つの公開ポリプデータセットと細胞核データセットの実験は、提案されたMKDCNetが最先端の手法より優れていることを示している。
MKDCNetは、臨床大腸内視鏡のためのリアルタイムシステムを構築するための強力なベンチマークとなる。
論文 参考訳(メタデータ) (2022-06-13T15:47:38Z) - Universal Segmentation of 33 Anatomies [19.194539991903593]
本稿では,33の解剖学的構造を普遍的に分割する単一モデルの学習手法を提案する。
我々は、複数のデータセットの結合からそのようなモデルを学び、各データセットには部分的にラベル付けされた画像が含まれている。
我々は,複数のオープンソースデータセット上でモデルを評価し,モデルが優れた一般化性能を有することを示す。
論文 参考訳(メタデータ) (2022-03-04T02:29:54Z) - Polyp-PVT: Polyp Segmentation with Pyramid Vision Transformers [124.01928050651466]
本稿では,Polyp-PVTと呼ばれる新しいタイプのPolypセグメンテーション手法を提案する。
提案モデルであるPolyp-PVTは,特徴の雑音を効果的に抑制し,その表現能力を大幅に向上させる。
論文 参考訳(メタデータ) (2021-08-16T07:09:06Z) - Automatic Polyp Segmentation via Multi-scale Subtraction Network [100.94922587360871]
臨床的には、正確なポリープセグメンテーションは大腸癌の早期発見に重要な情報を提供する。
既存のほとんどの手法はU字型構造に基づいており、デコーダで段階的に異なるレベルの特徴を融合させるために要素ワイド付加または結合を用いる。
大腸内視鏡画像からポリプを抽出するマルチスケールサブトラクションネットワーク(MSNet)を提案する。
論文 参考訳(メタデータ) (2021-08-11T07:54:07Z) - Learning Feature Aggregation for Deep 3D Morphable Models [57.1266963015401]
階層レベルで機能集約を向上するためのマッピング行列を学習するための注意に基づくモジュールを提案する。
実験の結果,マッピング行列のエンドツーエンドトレーニングにより,様々な3次元形状データセットの最先端結果が得られることがわかった。
論文 参考訳(メタデータ) (2021-05-05T16:41:00Z) - 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)
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。