論文の概要: Hierarchical SegNet with Channel and Context Attention for Accurate Lung Segmentation in Chest X-ray Images
- arxiv url: http://arxiv.org/abs/2405.12318v1
- Date: Mon, 20 May 2024 18:29:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-22 15:07:24.265905
- Title: Hierarchical SegNet with Channel and Context Attention for Accurate Lung Segmentation in Chest X-ray Images
- Title（参考訳）: 胸部X線画像における正確な肺切開のためのチャネルとコンテキストアテンションを有する階層型セグネット
- Authors: Mohammad Ali Labbaf Khaniki, Nazanin Mahjourian, Mohammad Manthouri,
- Abstract要約: 胸部X線像における肺セグメンテーションは、様々な肺疾患の正確な診断と治療を可能にする医療画像解析において重要な課題である。
本稿では,階層型セグネットとマルチモーダルアテンション機構を組み合わせた肺セグメンテーション手法を提案する。
実験により,本手法は肺分画作業における最先端性能を達成し,既存手法より優れていたことを示す。
- 参考スコア（独自算出の注目度）: 0.40964539027092917
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Lung segmentation in chest X-ray images is a critical task in medical image analysis, enabling accurate diagnosis and treatment of various lung diseases. In this paper, we propose a novel approach for lung segmentation by integrating Hierarchical SegNet with a proposed multi-modal attention mechanism. The channel attention mechanism highlights specific feature maps or channels crucial for lung region segmentation, while the context attention mechanism adaptively weighs the importance of different spatial regions. By combining both mechanisms, the proposed mechanism enables the model to better capture complex patterns and relationships between various features, leading to improved segmentation accuracy and better feature representation. Furthermore, an attention gating mechanism is employed to integrate attention information with encoder features, allowing the model to adaptively weigh the importance of different attention features and ignore irrelevant ones. Experimental results demonstrate that our proposed approach achieves state-of-the-art performance in lung segmentation tasks, outperforming existing methods. The proposed approach has the potential to improve the accuracy and efficiency of lung disease diagnosis and treatment, and can be extended to other medical image analysis tasks.
- Abstract（参考訳）: 胸部X線像における肺セグメンテーションは、様々な肺疾患の正確な診断と治療を可能にする医療画像解析において重要な課題である。
本稿では,階層型セグネットとマルチモーダルアテンション機構を組み合わせた肺セグメンテーション手法を提案する。
チャネルアテンション機構は肺領域セグメンテーションに不可欠な特定の特徴マップやチャネルを強調し、コンテキストアテンション機構は異なる空間領域の重要性を適応的に重み付けする。
両方のメカニズムを組み合わせることで、モデルが複雑なパターンや特徴間の関係をよりよく捉え、セグメンテーションの精度が向上し、特徴表現が向上する。
さらに、注意情報とエンコーダ特徴を統合するために注意ゲーティング機構を用い、異なる注意特徴の重要性を適応的に評価し、無関係な特徴を無視できるようにする。
実験により,本手法は肺分画作業における最先端性能を達成し,既存手法より優れていたことを示す。
提案手法は,肺疾患の診断と治療の精度と効率を向上させる可能性があり,他の画像解析にも適用可能である。
関連論文リスト
- Deep Learning-Based Channel Squeeze U-Structure for Lung Nodule Detection and Segmentation [7.53596352508181]
本稿では,肺結節の自動検出と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手法を提案する。
この手法は、感度、Dice類似度係数、精度、および平均結合断面積(IoU)の点で優れた性能を示す。
その結果,本手法はコンピュータ支援診断システムの改善に有意な可能性を秘めていることが明らかとなった。
論文 参考訳（メタデータ） (2024-09-20T19:47:07Z) - Multi-dimension Transformer with Attention-based Filtering for Medical Image Segmentation [16.491730188616323]
医用画像セグメンテーションのためのアテンションベースフィルタ(MDT-AF)を用いた多次元変換器を提案する。
MDT-AFは、注意に基づく特徴フィルタリング機構をパッチ埋め込みブロックに組み込んでおり、低信号対雑音比の影響を軽減するために粗粒度プロセスを採用している。
3つの公開医用画像セグメンテーションベンチマークによる実験結果から, MDT-AFがSOTA(State-of-the-art)の性能を達成することが示された。
論文 参考訳（メタデータ） (2024-05-20T18:52:41Z) - A Novel Approach to Chest X-ray Lung Segmentation Using U-net and Modified Convolutional Block Attention Module [0.46040036610482665]
本稿では,胸部X線像におけるU-netと注意機構を統合した肺分画の新しいアプローチを提案する。
提案手法は,CBAM(Convolutional Block Attention Module)を組み込むことで,U-netアーキテクチャを向上する。
CBAMとU-netアーキテクチャの採用は、医用画像の分野で大きな進歩を見せている。
論文 参考訳（メタデータ） (2024-04-22T16:33:06Z) - 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) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳（メタデータ） (2022-09-05T16:38:13Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - RCA-IUnet: A residual cross-spatial attention guided inception U-Net
model for tumor segmentation in breast ultrasound imaging [0.6091702876917281]
本稿では,腫瘍セグメンテーションのトレーニングパラメータが最小限に抑えられたRCA-IUnetモデルについて紹介する。
RCA-IUnetモデルは、U-Netトポロジに従い、奥行きの深い分離可能な畳み込みとハイブリッドプール層を持つ。
無関係な特徴を抑え、対象構造に焦点を合わせるために、空間横断型アテンションフィルタが加えられる。
論文 参考訳（メタデータ） (2021-08-05T10:35:06Z) - Few-shot Medical Image Segmentation using a Global Correlation Network
with Discriminative Embedding [60.89561661441736]
医療画像分割のための新しい手法を提案する。
深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。
深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
論文 参考訳（メタデータ） (2020-12-10T04:01:07Z) - Weakly supervised multiple instance learning histopathological tumor
segmentation [51.085268272912415]
スライド画像全体のセグメント化のための弱教師付きフレームワークを提案する。
トレーニングモデルに複数のインスタンス学習スキームを利用する。
提案するフレームワークは,The Cancer Genome AtlasとPatchCamelyonデータセットのマルチロケーションとマルチ中心公開データに基づいて評価されている。
論文 参考訳（メタデータ） (2020-04-10T13:12:47Z) - Heart Sound Segmentation using Bidirectional LSTMs with Attention [37.62160903348547]
心電図(PCG)信号を心臓状態に分割するための新しい枠組みを提案する。
我々は近年の注目に基づく学習の進歩を利用してPCG信号のセグメンテーションを行う。
提案手法は,ヒトと動物の両方の心臓記録を含む複数のベンチマークにおいて,最先端の性能を実現する。
論文 参考訳（メタデータ） (2020-04-02T02:09:11Z)
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。