論文の概要: TESL-Net: A Transformer-Enhanced CNN for Accurate Skin Lesion Segmentation

• arxiv url: http://arxiv.org/abs/2408.09687v1
• Date: Mon, 19 Aug 2024 03:49:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-20 17:34:18.844213
• Title: TESL-Net: A Transformer-Enhanced CNN for Accurate Skin Lesion Segmentation
• Title（参考訳）: TESL-Net: 正確な皮膚病変分割のためのトランスフォーマー強化CNN
• Authors: Shahzaib Iqbal, Muhammad Zeeshan, Mehwish Mehmood, Tariq M. Khan, Imran Razzak,
• Abstract要約: 皮膚癌の早期発見は皮膚病変の皮膚内視鏡像の正確な分画に依存している。 メラノーマセグメンテーションの最近の手法はU-Netと完全連結ネットワーク(FCN)である 皮膚病変のセグメンテーションのためのTESL-Netという新しいネットワークを導入する。
• 参考スコア（独自算出の注目度）: 9.077654650104057
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Early detection of skin cancer relies on precise segmentation of dermoscopic images of skin lesions. However, this task is challenging due to the irregular shape of the lesion, the lack of sharp borders, and the presence of artefacts such as marker colours and hair follicles. Recent methods for melanoma segmentation are U-Nets and fully connected networks (FCNs). As the depth of these neural network models increases, they can face issues like the vanishing gradient problem and parameter redundancy, potentially leading to a decrease in the Jaccard index of the segmentation model. In this study, we introduced a novel network named TESL-Net for the segmentation of skin lesions. The proposed TESL-Net involves a hybrid network that combines the local features of a CNN encoder-decoder architecture with long-range and temporal dependencies using bi-convolutional long-short-term memory (Bi-ConvLSTM) networks and a Swin transformer. This enables the model to account for the uncertainty of segmentation over time and capture contextual channel relationships in the data. We evaluated the efficacy of TESL-Net in three commonly used datasets (ISIC 2016, ISIC 2017, and ISIC 2018) for the segmentation of skin lesions. The proposed TESL-Net achieves state-of-the-art performance, as evidenced by a significantly elevated Jaccard index demonstrated by empirical results.
• Abstract（参考訳）: 皮膚癌の早期発見は皮膚病変の皮膚内視鏡像の正確な分画に依存している。 しかし, この課題は, 病変の異常な形状, 鋭い境界の欠如, マーカー色や毛包などの人工物の存在などにより困難である。 メラノーマセグメンテーションの最近の手法はU-Netと完全接続ネットワーク(FCN)である。 これらのニューラルネットワークモデルの深さが増加するにつれて、消滅する勾配問題やパラメータの冗長性といった問題に直面し、セグメンテーションモデルのJaccardインデックスが低下する可能性がある。 本研究では,皮膚病変のセグメンテーションのためのTESL-Netというネットワークを導入した。 提案するTESL-Netは、CNNエンコーダデコーダアーキテクチャの局所的特徴と、双方向畳み込み長短メモリ(Bi-ConvLSTM)ネットワークとSwinトランスフォーマーを用いて、長距離および時間的依存関係を結合したハイブリッドネットワークを含む。 これにより、モデルが時間とともにセグメンテーションの不確実性を考慮し、データ内のコンテキストチャネル関係をキャプチャすることが可能になる。 皮膚病変の分画に対するTESL-Net(ISIC 2016, ISIC 2017, ISIC 2018)の有用性を検討した。 TESL-Netは,経験的結果によって示されるJaccard指数が著しく高められたことにより,最先端の性能を達成する。

関連論文リスト

• TBConvL-Net: A Hybrid Deep Learning Architecture for Robust Medical Image Segmentation [6.013821375459473]
  医用画像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アーキテクチャを提案する。 提案モデルでは,10の公開データセット上でのテクニックの現状に対して,一貫した改善が示されている。
  論文  参考訳（メタデータ） (2024-09-05T09:14:03Z)
• LSSF-Net: Lightweight Segmentation with Self-Awareness, Spatial Attention, and Focal Modulation [8.566930077350184]
  本研究では,モバイル端末を用いた皮膚病変のセグメンテーションに特化して設計された,新しい軽量ネットワークを提案する。 ネットワークは、コンバータベースの焦点変調注意、自己認識型局所空間注意、分割チャネルシャッフルを組み込んだエンコーダデコーダアーキテクチャで構成されている。 経験的所見は、Jaccardの指標に顕著な、最先端のパフォーマンスを裏付けるものである。
  論文  参考訳（メタデータ） (2024-09-03T03:06:32Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Attention Swin U-Net: Cross-Contextual Attention Mechanism for Skin Lesion Segmentation [4.320393382724066]
  我々は,注目度に基づくSwin U-Net拡張であるAtt-SwinU-Netを医用画像セグメンテーションのために提案する。 我々は、スキップ接続経路で使用される古典的連結操作は、注意機構を組み込むことで、さらに改善できると論じる。
  論文  参考訳（メタデータ） (2022-10-30T17:41:35Z)
• Lesion Net -- Skin Lesion Segmentation Using Coordinate Convolution and Deep Residual Units [18.908448254745473]
  メラノーマの皮膚病変のセグメント化の精度は、トレーニング、不規則な形状、不明瞭な境界、および異なる皮膚色のためのデータが少ないため、かなり困難な作業です。 提案手法は皮膚病変分節の精度を向上させるのに役立つ。 以上の結果から,提案モデルが既存の皮膚病変の分画法と同等以上の性能を示した。
  論文  参考訳（メタデータ） (2020-12-28T14:43:04Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• 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)
• Pairwise Relation Learning for Semi-supervised Gland Segmentation [90.45303394358493]
  病理組織像における腺分節に対するPRS2モデルを提案する。 このモデルはセグメンテーションネットワーク(S-Net)とペア関係ネットワーク(PR-Net)から構成される。 我々は,GlaSデータセットの最近の5つの手法とCRAGデータセットの最近の3つの手法を比較した。
  論文  参考訳（メタデータ） (2020-08-06T15:02:38Z)
• Collaborative Boundary-aware Context Encoding Networks for Error Map Prediction [65.44752447868626]
  本稿では,AEP-Net と呼ばれる協調的コンテキスト符号化ネットワークを提案する。 具体的には、画像とマスクのより優れた特徴融合のための協調的な特徴変換分岐と、エラー領域の正確な局所化を提案する。 AEP-Netはエラー予測タスクの平均DSCが0.8358,0.8164であり、ピアソン相関係数が0.9873である。
  論文  参考訳（メタデータ） (2020-06-25T12:42:01Z)
• 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)
• Cascaded Context Enhancement Network for Automatic Skin Lesion Segmentation [10.648218637920035]
  自動皮膚病変分割のためのカスケードコンテキスト拡張ニューラルネットワークを定式化する。 ゲートベースの情報統合アプローチを用いた新しいコンテキストアグリゲーションモジュールを提案する。 4つの皮膚皮膚内視鏡画像データセットに対するアプローチについて検討した。
  論文  参考訳（メタデータ） (2020-04-17T08:25:17Z)

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。