Fugu-MT 論文翻訳(概要): Polyp and Surgical Instrument Segmentation with Double Encoder-Decoder Networks

論文の概要: Polyp and Surgical Instrument Segmentation with Double Encoder-Decoder Networks

arxiv url: http://arxiv.org/abs/2406.03901v1
Date: Thu, 6 Jun 2024 09:37:46 GMT
ステータス: 処理完了
システム内更新日: 2024-06-07 15:29:45.909725
Title: Polyp and Surgical Instrument Segmentation with Double Encoder-Decoder Networks
Title（参考訳）: 二重エンコーダデコーダネットワークを用いたポリープと手術器具のセグメンテーション
Authors: Adrian Galdran,
Abstract要約: 本稿では,内視鏡画像からポリープと手術器具を分離するMedAIコンペティションの解決法について述べる。我々のアプローチは、以前にポリプセグメンテーションに応用した二重エンコーダデコーダニューラルネットワークに依存している。実験結果から,本手法は医療専門家による手動記述と良好な一致を示すセグメンテーションを創出することが示された。
参考スコア（独自算出の注目度）: 1.6653762541912462
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper describes a solution for the MedAI competition, in which participants were required to segment both polyps and surgical instruments from endoscopic images. Our approach relies on a double encoder-decoder neural network which we have previously applied for polyp segmentation, but with a series of enhancements: a more powerful encoder architecture, an improved optimization procedure, and the post-processing of segmentations based on tempered model ensembling. Experimental results show that our method produces segmentations that show a good agreement with manual delineations provided by medical experts.
Abstract（参考訳）: 本稿では,内視鏡画像からポリープと手術器具を分離するMedAIコンペティションの解決法について述べる。提案手法は,これまでポリプセグメンテーションに応用してきた二重エンコーダデコーダニューラルネットワークに頼っているが,より強力なエンコーダアーキテクチャ,改良された最適化手順,テンポモデルアンサンブルに基づくセグメンテーションの後処理など,一連の拡張が加えられている。実験結果から,本手法は医療専門家による手動記述と良好な一致を示すセグメンテーションを創出することが示された。

関連論文リスト

D-TrAttUnet: Toward Hybrid CNN-Transformer Architecture for Generic and Subtle Segmentation in Medical Images [18.087365906278013]
D-TrAttUnetアーキテクチャは、異なる疾患がしばしば特定の臓器をターゲットにしているという観察に基づいている。我々のアーキテクチャは、複合CNNエンコーダとデュアルデコーダを備えたエンコーダ・デコーダ構造を含む。アプローチを検証するため,Covid-19および骨転移セグメンテーションタスクの評価を行った。
論文参考訳（メタデータ） (2024-05-07T10:09:41Z)
Rethinking Attention Gated with Hybrid Dual Pyramid Transformer-CNN for Generalized Segmentation in Medical Imaging [17.07490339960335]
本稿では,強力なCNN-Transformerエンコーダを効率的に構築するためのハイブリッドCNN-Transformerセグメンテーションアーキテクチャ(PAG-TransYnet)を提案する。我々のアプローチは、デュアルピラミッドハイブリッドエンコーダ内のアテンションゲートを利用する。
論文参考訳（メタデータ） (2024-04-28T14:37:10Z)
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)
MedSegDiff-V2: Diffusion based Medical Image Segmentation with Transformer [53.575573940055335]
我々は、MedSegDiff-V2と呼ばれるトランスフォーマーベースの拡散フレームワークを提案する。画像の異なる20種類の画像分割作業において,その有効性を検証する。
論文参考訳（メタデータ） (2023-01-19T03:42:36Z)
Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文参考訳（メタデータ） (2023-01-12T08:19:46Z)
A generalizable approach based on U-Net model for automatic Intra retinal cyst segmentation in SD-OCT images [1.6114012813668928]
異なるベンダーにまたがる網膜内嚢胞分節に対する新しいU-Netベースのアプローチを提案する。最初のステップでは、データを受信する際のネットワーク制限の一部を克服する方法で、その情報をネットワークに注入する。そして次のステップでは、標準U-Netアーキテクチャのエンコーダとデコーダの接続モジュールを導入しました。
論文参考訳（メタデータ） (2022-02-01T15:23:00Z)
Double Encoder-Decoder Networks for Gastrointestinal Polyp Segmentation [19.338350044289736]
本稿では,一般的なエンコーダ・デコーダネットワークを直接拡張した意味的セグメンテーションに基づく内視鏡画像からの消化管ポリープのデライン化手法を提案する。提案手法では,2つの事前学習エンコーダデコーダネットワークを順次積み重ねる。二重エンコーダ・デコーダネットワークは、すべてのケースにおいて、それぞれのエンコーダ・デコーダネットワークよりも明らかに優れている。
論文参考訳（メタデータ） (2021-10-05T11:07:42Z)
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)
DONet: Dual Objective Networks for Skin Lesion Segmentation [77.9806410198298]
本稿では,皮膚病変のセグメンテーションを改善するために,Dual Objective Networks (DONet) という,シンプルで効果的なフレームワークを提案する。我々のDONetは2つの対称デコーダを採用し、異なる目標に近づくための異なる予測を生成する。皮膚内視鏡画像における多種多様な病変のスケールと形状の課題に対処するために,再帰的コンテキスト符号化モジュール(RCEM)を提案する。
論文参考訳（メタデータ） (2020-08-19T06:02:46Z)
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)
Abdominal multi-organ segmentation with cascaded convolutional and adversarial deep networks [0.36944296923226316]
深層学習を用いた腹部CTおよびMR画像からの完全自動多臓器分画について検討した。我々のパイプラインは、最先端のエンコーダデコーダスキームよりも優れた結果をもたらす。
論文参考訳（メタデータ） (2020-01-26T21:28:04Z)

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。