論文の概要: Adaptation of Distinct Semantics for Uncertain Areas in Polyp Segmentation

• arxiv url: http://arxiv.org/abs/2405.07523v1
• Date: Mon, 13 May 2024 07:41:28 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-14 14:34:42.527837
• Title: Adaptation of Distinct Semantics for Uncertain Areas in Polyp Segmentation
• Title（参考訳）: ポリープセグメンテーションにおける不確実領域に対する識別セマンティクスの適応
• Authors: Quang Vinh Nguyen, Van Thong Huynh, Soo-Hyung Kim,
• Abstract要約: 本研究は,ポリプ不確定領域に対する識別意味論の適応という新しいアーキテクチャを提示する。 ADSNetは、未分類の詳細を修正し、最終段階で消滅し、検出されない弱い特徴を回復する。 実験により,ポリプ画像分割作業における他の技術と比較して,セグメンテーション性能が向上することを示す。
• 参考スコア（独自算出の注目度）: 11.646574658785362
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Colonoscopy is a common and practical method for detecting and treating polyps. Segmenting polyps from colonoscopy image is useful for diagnosis and surgery progress. Nevertheless, achieving excellent segmentation performance is still difficult because of polyp characteristics like shape, color, condition, and obvious non-distinction from the surrounding context. This work presents a new novel architecture namely Adaptation of Distinct Semantics for Uncertain Areas in Polyp Segmentation (ADSNet), which modifies misclassified details and recovers weak features having the ability to vanish and not be detected at the final stage. The architecture consists of a complementary trilateral decoder to produce an early global map. A continuous attention module modifies semantics of high-level features to analyze two separate semantics of the early global map. The suggested method is experienced on polyp benchmarks in learning ability and generalization ability, experimental results demonstrate the great correction and recovery ability leading to better segmentation performance compared to the other state of the art in the polyp image segmentation task. Especially, the proposed architecture could be experimented flexibly for other CNN-based encoders, Transformer-based encoders, and decoder backbones.
• Abstract（参考訳）: 大腸内視鏡はポリープの検出と治療のための一般的で実用的な方法である。 大腸内視鏡像からのポリープの分離は診断と手術の進行に有用である。 それでも、形状、色、条件、周囲の文脈からの明らかな非識別といったポリプ特性のため、優れたセグメンテーション性能を達成することは依然として困難である。 本研究は,ポリプセグメンテーションにおける不確定領域に対する識別セマンティックス適応(Adaptation of Distinct Semantics for Uncertain Areas in Polyp Segmentation, ADSNet)という新しいアーキテクチャを提案する。 アーキテクチャは、初期のグローバルマップを生成するために、補完的な三辺デコーダで構成されている。 連続注目モジュールは、初期グローバルマップの2つの別々のセマンティクスを分析するために、高レベルの特徴のセマンティクスを変更する。 提案手法は, 学習能力および一般化能力のポリプベンチマークにおいて経験し, 実験結果から, ポリプ画像分割作業における他の最先端技術と比較して, セグメンテーション性能が向上することを示す。 特に、提案アーキテクチャは、他のCNNベースのエンコーダ、トランスフォーマーベースのエンコーダ、デコーダバックボーンに対して柔軟に実験することができる。

関連論文リスト

• Polyp-SES: Automatic Polyp Segmentation with Self-Enriched Semantic Model [7.424888086388194]
  本稿では,既存手法の制約に対処するため,自己富化セマンティックモデルを用いたAutomatic Polypを提案する。 まず、入力画像から一連の特徴を抽出し、ハイレベルな特徴をデコードし、初期セグメンテーションマスクを生成する。 提案する自己富化セマンティックモジュールを用いて,潜在的なセマンティクスを検索し,さらにセマンティクスを付加することで,コンテキスト理解のモデルを支援する。
  論文  参考訳（メタデータ） (2024-10-02T03:34:23Z)
• ASPS: Augmented Segment Anything Model for Polyp Segmentation [77.25557224490075]
  SAM(Segment Anything Model)は、ポリープセグメンテーションに先例のないポテンシャルを導入している。 SAMのTransformerベースの構造は、グローバルおよび低周波情報を優先する。 CFAはトレーニング可能なCNNエンコーダブランチと凍結したViTエンコーダを統合し、ドメイン固有の知識の統合を可能にする。
  論文  参考訳（メタデータ） (2024-06-30T14:55:32Z)
• RaBiT: An Efficient Transformer using Bidirectional Feature Pyramid Network with Reverse Attention for Colon Polyp Segmentation [0.0]
  本稿では,軽量トランスフォーマーアーキテクチャをエンコーダに組み込んだエンコーダデコーダモデルであるRaBiTを紹介する。 本手法は, トレーニングセットとテストセットが異なる特性を持つ場合であっても, クロスデータセット実験において高い一般化能力を示す。
  論文  参考訳（メタデータ） (2023-07-12T19:25:10Z)
• 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)
• Adaptive Context Selection for Polyp Segmentation [99.9959901908053]
  本稿では,ローカルコンテキストアテンション(LCA)モジュール,グローバルコンテキストモジュール(GCM)モジュール,適応選択モジュール(ASM)モジュールで構成される適応コンテキスト選択に基づくエンコーダデコーダフレームワークを提案する。 LCAモジュールは、エンコーダ層からデコーダ層へローカルなコンテキスト機能を提供する。 GCMは、グローバルなコンテキストの特徴をさらに探求し、デコーダ層に送信することを目的としている。ASMは、チャンネルワイドアテンションを通じて、コンテキスト特徴の適応的選択と集約に使用される。
  論文  参考訳（メタデータ） (2023-01-12T04:06:44Z)
• Stepwise Feature Fusion: Local Guides Global [14.394421688712052]
  本稿では,ピラミッドトランスフォーマーエンコーダを用いた医用画像セグメンテーションのためのState-Of-The-Artモデルを提案する。 提案するプログレッシブ・ローカリティ・デコーダをピラミッドトランスフォーマーのバックボーンに適応させて,局所的特徴と注意分散を強調する。
  論文  参考訳（メタデータ） (2022-03-07T10:36:38Z)
• 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)
• Enhanced U-Net: A Feature Enhancement Network for Polyp Segmentation [17.8181080354116]
  大腸内視鏡画像におけるポリープ分割の精度向上のための特徴拡張ネットワークを提案する。 具体的には,semantic feature enhance module (sfem) を用いて意味情報の拡張を行う。 提案手法は5つの大腸内視鏡データを用いて評価し,他の最先端モデルと比較して優れた性能を示す。
  論文  参考訳（メタデータ） (2021-05-03T16:46:26Z)
• 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)
• PraNet: Parallel Reverse Attention Network for Polyp Segmentation [155.93344756264824]
  大腸内視鏡画像の高精度なポリープ分割のための並列リバースアテンションネットワーク(PraNet)を提案する。 並列部分復号器(PPD)を用いて,まず高層層に特徴を集約する。 さらに,エリアとバウンダリの関連性を確立するために,リバースアテンション(RA)モジュールを用いて境界キューをマイニングする。
  論文  参考訳（メタデータ） (2020-06-13T08:13:43Z)

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。