論文の概要: ODC-SA Net: Orthogonal Direction Enhancement and Scale Aware Network for Polyp Segmentation
- arxiv url: http://arxiv.org/abs/2405.06191v1
- Date: Fri, 10 May 2024 02:13:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-13 16:57:10.586743
- Title: ODC-SA Net: Orthogonal Direction Enhancement and Scale Aware Network for Polyp Segmentation
- Title(参考訳): ODC-SAネット:ポリプセグメンテーションのための直交方向拡張とスケールアウェアネットワーク
- Authors: Chenhao Xu, Yudian Zhang, Kaiye Xu, Haijiang Zhu,
- Abstract要約: ポリプセグメンテーションのための直交方向拡張・スケールアウェアネットワーク(ODC-SAネット)を設計する。
ODCブロックは、転置された長方形畳み込みカーネルを用いて多方向の特徴を抽出することができる。
空間次元およびチャネル次元のスケール変化を強調するため,MSFA機構を提案する。
- 参考スコア(独自算出の注目度): 0.624976855972012
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate polyp segmentation is crucial for the early detection and prevention of colorectal cancer. However, the existing polyp detection methods sometimes ignore multi-directional features and drastic changes in scale. To address these challenges, we design an Orthogonal Direction Enhancement and Scale Aware Network (ODC-SA Net) for polyp segmentation. The Orthogonal Direction Convolutional (ODC) block can extract multi-directional features using transposed rectangular convolution kernels through forming an orthogonal feature vector basis, which solves the issue of random feature direction changes and reduces computational load. Additionally, the Multi-scale Fusion Attention (MSFA) mechanism is proposed to emphasize scale changes in both spatial and channel dimensions, enhancing the segmentation accuracy for polyps of varying sizes. Extraction with Re-attention Module (ERA) is used to re-combinane effective features, and Structures of Shallow Reverse Attention Mechanism (SRA) is used to enhance polyp edge with low level information. A large number of experiments conducted on public datasets have demonstrated that the performance of this model is superior to state-of-the-art methods.
- Abstract(参考訳): 大腸癌の早期発見と予防には, 正確なポリープセグメンテーションが重要である。
しかし、既存のポリプ検出手法は、多方向の特徴や大規模な変化を無視することがある。
これらの課題に対処するために,ポリプセグメンテーションのためのOrthogonal Direction Enhancement and Scale Aware Network (ODC-SA Net) を設計する。
Orthogonal Direction Convolutional (ODC) ブロックは、直交する特徴ベクトル基底を形成することにより、直交する長方形畳み込みカーネルを用いて多方向の特徴を抽出し、ランダムな特徴方向変化の問題を解消し、計算負荷を削減する。
さらに,マルチスケール核融合注意機構 (MSFA) を提案し,空間次元とチャネル次元のスケール変化を強調し,異なる大きさのポリプのセグメンテーション精度を高める。
Re-Atention Module (ERA) による抽出は, 有効機能の再結合に利用され, 低レベル情報によるポリプエッジの強化にはSRA (Structures of Shallow Reverse Attention Mechanism) が使用される。
公開データセットで実施された多数の実験では、このモデルの性能が最先端の手法よりも優れていることが示されている。
関連論文リスト
- MNet-SAt: A Multiscale Network with Spatial-enhanced Attention for Segmentation of Polyps in Colonoscopy [0.10995326465245926]
大腸内視鏡画像におけるポリプセグメンテーションのためのMNetSAt(Multiscale Network with spatial-enhanced Attention)を提案する。
このフレームワークには、エッジガイド機能強化(EGFE)、マルチスケール機能集約(MSFA)、空間拡張注意(SEAt)の4つの重要なモジュールが含まれている。
我々は,Kvasir-SEGデータセットとCVC-ClinicDBデータセット上でMNet-SAtを評価し,96.61%,98.60%のDice類似度係数をそれぞれ達成した。
論文 参考訳(メタデータ) (2024-12-27T05:17:29Z) - RLE: A Unified Perspective of Data Augmentation for Cross-Spectral Re-identification [59.5042031913258]
非線型モダリティの相違は主に、異なる材料の表面に作用する様々な線形変換に由来する。
本稿では,MRLE(Modrate Random Linear Enhancement)とRRLE(Radical Random Linear Enhancement)を含むRLE(Random Linear Enhancement)戦略を提案する。
実験結果は、RLEの優位性と有効性を示すだけでなく、クロススペクトル再同定のための汎用データ拡張としての可能性も確認した。
論文 参考訳(メタデータ) (2024-11-02T12:13:37Z) - Renormalized Connection for Scale-preferred Object Detection in Satellite Imagery [51.83786195178233]
我々は、効率的な特徴抽出の観点から再正規化群理論を実装するために、知識発見ネットワーク(KDN)を設計する。
KDN上の再正規化接続(RC)は、マルチスケール特徴の「相乗的焦点」を可能にする。
RCはFPNベースの検出器のマルチレベル特徴の分割・対数機構を幅広いスケールで予測されたタスクに拡張する。
論文 参考訳(メタデータ) (2024-09-09T13:56:22Z) - Poly Kernel Inception Network for Remote Sensing Detection [64.60749113583601]
リモートセンシング画像における物体検出の課題に対処するために,Poly Kernel Inception Network (PKINet)を導入する。
PKINetはディレーションなしでマルチスケールの畳み込みカーネルを使用し、様々なスケールのオブジェクトの特徴を抽出し、ローカルコンテキストをキャプチャする。
これら2つのコンポーネントは、4つの挑戦的なリモートセンシング検出ベンチマーク上でPKINetのパフォーマンスを向上させるために共同で動作する。
論文 参考訳(メタデータ) (2024-03-10T16:56:44Z) - ECC-PolypDet: Enhanced CenterNet with Contrastive Learning for Automatic
Polyp Detection [88.4359020192429]
既存の手法では、計算コストのかかるコンテキストアグリゲーションが伴うか、ポリープの事前モデリングが欠如しているため、難解なケースでは性能が低下する。
本稿では,2段階のトレーニングとエンドツーエンド推論フレームワークである Enhanced CenterNet with Contrastive Learning (ECC-PolypDet) を提案する。
Box-assisted Contrastive Learning (BCL) は, クラス内差を最小限に抑え, 前庭ポリープと背景のクラス間差を最大化するため, 隠れポリープを捕捉する。
微調整段階におけるIoU誘導サンプル再重み付けの導入
論文 参考訳(メタデータ) (2024-01-10T07:03:41Z) - Edge-aware Feature Aggregation Network for Polyp Segmentation [38.11584888416297]
本研究では,ポリプセグメンテーションのためのエッジ対応特徴集約ネットワーク(EFA-Net)を提案する。
EFA-Netは、ポリプセグメンテーションの性能を高めるために、クロスレベルとマルチスケールの機能を完全に活用することができる。
広く採用されている5つの大腸内視鏡データセットの実験結果から,我々のEFA-Netは,一般化と有効性の観点から,最先端のポリプセグメンテーション法より優れていることが示された。
論文 参考訳(メタデータ) (2023-09-19T11:09:38Z) - SegT: A Novel Separated Edge-guidance Transformer Network for Polyp
Segmentation [10.144870911523622]
本稿では, 効率的なポリープ分割モデルを構築することを目的とした, エッジ誘導変換器 (SegT) ネットワークを提案する。
既存のCNNベースのアプローチよりも堅牢な表現を学習するトランスフォーマーエンコーダが特に適用された。
SegTの有効性を評価するために、5つの挑戦的な公開データセットを用いて実験を行った。
論文 参考訳(メタデータ) (2023-06-19T08:32:05Z) - 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) - 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) - A Deep Convolutional Neural Network for the Detection of Polyps in
Colonoscopy Images [12.618653234201089]
大腸内視鏡画像中のポリープをコンピュータで検出するディープ畳み込みニューラルネットワークモデルを提案する。
光度計や幾何歪みなどのデータ拡張技術は、ポリープ検出で直面する障害を克服するために適応される。
論文 参考訳(メタデータ) (2020-08-15T13:55:44Z)
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。