論文の概要: LGRNet: Local-Global Reciprocal Network for Uterine Fibroid Segmentation in Ultrasound Videos
- arxiv url: http://arxiv.org/abs/2407.05703v1
- Date: Mon, 8 Jul 2024 08:06:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-09 16:30:32.539745
- Title: LGRNet: Local-Global Reciprocal Network for Uterine Fibroid Segmentation in Ultrasound Videos
- Title（参考訳）: LGRNet:超音波映像における尿中フィブロイドセグメンテーションのための局所的Global Reciprocal Network
- Authors: Huihui Xu, Yijun Yang, Angelica I Aviles-Rivero, Guang Yang, Jing Qin, Lei Zhu,
- Abstract要約: 正常スクリーニングと子宮線維化の早期発見は悪性化の予防に不可欠である。
本稿ではLGRNet(Local-Global Reciprocal Network)を提案する。
- 参考スコア（独自算出の注目度）: 19.661094457941417
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Regular screening and early discovery of uterine fibroid are crucial for preventing potential malignant transformations and ensuring timely, life-saving interventions. To this end, we collect and annotate the first ultrasound video dataset with 100 videos for uterine fibroid segmentation (UFUV). We also present Local-Global Reciprocal Network (LGRNet) to efficiently and effectively propagate the long-term temporal context which is crucial to help distinguish between uninformative noisy surrounding tissues and target lesion regions. Specifically, the Cyclic Neighborhood Propagation (CNP) is introduced to propagate the inter-frame local temporal context in a cyclic manner. Moreover, to aggregate global temporal context, we first condense each frame into a set of frame bottleneck queries and devise Hilbert Selective Scan (HilbertSS) to both efficiently path connect each frame and preserve the locality bias. A distribute layer is then utilized to disseminate back the global context for reciprocal refinement. Extensive experiments on UFUV and three public Video Polyp Segmentation (VPS) datasets demonstrate consistent improvements compared to state-of-the-art segmentation methods, indicating the effectiveness and versatility of LGRNet. Code, checkpoints, and dataset are available at https://github.com/bio-mlhui/LGRNet
- Abstract（参考訳）: 正常なスクリーニングと子宮線維化の早期発見は、悪性化の可能性を予防し、タイムリーな保存的介入を確保するために不可欠である。
この目的のために, 子宮線維化セグメンテーション (UFUV) のための100本のビデオを用いた最初の超音波ビデオデータセットを収集し, 注釈する。
またLGRNet(Local-Global Reciprocal Network)を,非侵襲的な周囲組織と標的病変部位の識別に有効である長期的文脈を効果的かつ効果的に伝播させる。
具体的には、フレーム間の時間的文脈を周期的に伝播するために、CNP(Cyclic Neighborhood Propagation)を導入する。
さらに、グローバルな時間的文脈を集約するために、まず各フレームを一連のフレームボトルネッククエリにコンデンスし、Hilbert Selective Scan (HilbertSS) を設計し、各フレームを効率的に経路接続し、局所性バイアスを保存する。
次に、分散層を利用して、相互改善のためにグローバルコンテキストを分散させる。
UFUVと3つのパブリックビデオポリプセグメンテーション(VPS)データセットの大規模な実験は、最先端のセグメンテーション手法と比較して一貫した改善を示し、LGRNetの有効性と汎用性を示している。
コード、チェックポイント、データセットはhttps://github.com/bio-mlhui/LGRNetで入手できる。
関連論文リスト
- Shifting More Attention to Breast Lesion Segmentation in Ultrasound
Videos [43.454994341021276]
572本の動画と34,300本の注釈付きフレームからなるUSビデオ乳房病変セグメンテーションデータセットを精査した。
周波数領域から時間的特徴を学習する新しい周波数・局所化特徴集約ネットワーク(FLA-Net)を提案する。
我々のアノテーション付きデータセットと2つの公開ビデオポリプセグメンテーションデータセットに関する実験は、提案したFLA-Netが最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2023-10-03T07:50:32Z) - Multi-Level Global Context Cross Consistency Model for Semi-Supervised
Ultrasound Image Segmentation with Diffusion Model [0.0]
本研究では,Latent Diffusion Model (LDM) によって生成された画像を,半教師付き学習のためのラベル付き画像として利用するフレームワークを提案する。
提案手法により,確率分布の知識をセグメント化ネットワークに効果的に伝達することが可能となり,セグメント化精度が向上する。
論文 参考訳（メタデータ） (2023-05-16T14:08:24Z) - Exploring Intra- and Inter-Video Relation for Surgical Semantic Scene
Segmentation [58.74791043631219]
セグメンテーション性能を高めるために,映像内および映像間関係を補完する新しいフレームワークSTswinCLを提案する。
本研究では,EndoVis18 ChallengeとCaDISデータセットを含む2つの公開手術ビデオベンチマークに対するアプローチを広く検証する。
実験により,従来の最先端手法を一貫して超越した提案手法の有望な性能を示す。
論文 参考訳（メタデータ） (2022-03-29T05:52:23Z) - Video Is Graph: Structured Graph Module for Video Action Recognition [34.918667614077805]
ビデオシーケンスをグラフに変換して,時間的フレーム間の直接的な長期的依存関係を求める。
特に、SGMは各ノードの隣人を複数の時間領域に分割し、グローバルな構造情報を抽出する。
報告された性能と分析により、SGMは計算複雑性を小さくして優れた精度を達成できることを示した。
論文 参考訳（メタデータ） (2021-10-12T11:27:29Z) - Efficient Global-Local Memory for Real-time Instrument Segmentation of
Robotic Surgical Video [53.14186293442669]
手術器具の知覚における重要な手がかりとして,隣接するフレームからの局所的時間依存性と,長距離における大域的意味的相関があげられる。
本稿では,グローバルとローカルの両方の時間的知識を関連付ける新しいデュアルメモリネットワーク(DMNet)を提案する。
本手法は,実時間速度を維持しながらセグメント化精度を向上する手法である。
論文 参考訳（メタデータ） (2021-09-28T10:10:14Z) - Cross-Modality Brain Tumor Segmentation via Bidirectional
Global-to-Local Unsupervised Domain Adaptation [61.01704175938995]
本論文では,UDAスキームに基づくBiGL(Bidirectional Global-to-Local)適応フレームワークを提案する。
具体的には、脳腫瘍をセグメント化するために、双方向画像合成およびセグメンテーションモジュールを提案する。
提案手法は, 最先端の非教師なし領域適応法を大きなマージンで上回っている。
論文 参考訳（メタデータ） (2021-05-17T10:11:45Z) - Global Guidance Network for Breast Lesion Segmentation in Ultrasound
Images [84.03487786163781]
我々は,大域的誘導ブロック(GGB)と乳房病変境界検出モジュールを備えた深部畳み込みニューラルネットワークを開発した。
当社のネットワークは、乳房超音波病変分割における他の医療画像分割方法および最近のセマンティックセグメンテーション方法よりも優れています。
論文 参考訳（メタデータ） (2021-04-05T13:15:22Z) - Context-aware Biaffine Localizing Network for Temporal Sentence
Grounding [61.18824806906945]
本論文では時間文接地(TSG)の問題について述べる。
TSGは、文章クエリによって、未トリムのビデオから特定のセグメントの時間境界を特定することを目指しています。
ビデオ内の開始と終了の全てのインデックスをバイアフィン機構で同時にスコア付けする,新しいローカリゼーションフレームワークを提案する。
論文 参考訳（メタデータ） (2021-03-22T03:13:05Z) - Recovering the Imperfect: Cell Segmentation in the Presence of
Dynamically Localized Proteins [31.835275627382497]
時間的伝搬と不確実性推定に基づく不完全データの分節化の解を提供する。
本研究では,ヒト胚性腎臓細胞からのデータに対するフレーム・バイ・フレーム・セグメンテーションと時間的伝播に対するこのアプローチの価値を実証する。
論文 参考訳（メタデータ） (2020-11-20T16:30:55Z) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳（メタデータ） (2020-04-22T07:30:56Z)
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。