Fugu-MT 論文翻訳(概要): IAFI-FCOS: Intra- and across-layer feature interaction FCOS model for lesion detection of CT images

論文の概要: IAFI-FCOS: Intra- and across-layer feature interaction FCOS model for lesion detection of CT images

arxiv url: http://arxiv.org/abs/2409.00694v1
Date: Sun, 1 Sep 2024 10:58:48 GMT
ステータス: 処理完了
システム内更新日: 2024-09-06 12:52:28.649737
Title: IAFI-FCOS: Intra- and across-layer feature interaction FCOS model for lesion detection of CT images
Title（参考訳）: IAFI-FCOS:CT画像の病変検出のための層内および層間特徴相互作用FCOSモデル
Authors: Qiu Guan, Mengjie Pan, Feng Chen, Zhiqiang Yang, Zhongwen Yu, Qianwei Zhou, Haigen Hu,
Abstract要約: 従来の検出器のマルチスケール機能融合機構は、損失なく詳細情報を伝達できない。本稿では,マルチスケール機能融合機構ICAF-FPNを用いたIAFI-FCOSモデルを提案する。本手法はプライベート膵病変データセットとパブリックDeepLesionデータセットの両方で広く実験されている。
参考スコア（独自算出の注目度）: 5.198119863305256
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Effective lesion detection in medical image is not only rely on the features of lesion region,but also deeply relative to the surrounding information.However,most current methods have not fully utilize it.What is more,multi-scale feature fusion mechanism of most traditional detectors are unable to transmit detail information without loss,which makes it hard to detect small and boundary ambiguous lesion in early stage disease.To address the above issues,we propose a novel intra- and across-layer feature interaction FCOS model (IAFI-FCOS) with a multi-scale feature fusion mechanism ICAF-FPN,which is a network structure with intra-layer context augmentation (ICA) block and across-layer feature weighting (AFW) block.Therefore,the traditional FCOS detector is optimized by enriching the feature representation from two perspectives.Specifically,the ICA block utilizes dilated attention to augment the context information in order to capture long-range dependencies between the lesion region and the surrounding.The AFW block utilizes dual-axis attention mechanism and weighting operation to obtain the efficient across-layer interaction features,enhancing the representation of detailed features.Our approach has been extensively experimented on both the private pancreatic lesion dataset and the public DeepLesion dataset,our model achieves SOTA results on the pancreatic lesion dataset.
Abstract（参考訳）: 医用画像における効果的な病変検出は、病変領域の特徴だけでなく、周囲の情報にも大きく依存する。しかし、現在のほとんどの方法では、完全に活用されていない。しかしながら、ほとんどの従来の検出器のマルチスケールな特徴融合機構は、損失なく詳細情報を伝達できないため、早期疾患において、小さく境界の曖昧な病変を検出することは困難である。上記の問題に対処するために、多層的特徴融合機構であるICAF-FPNと、階層的コンテキスト増強(ICA)ブロックと多層的特徴重み付け(AFW)ブロックを備えたネットワーク構造であるFCOSモデル(IAFI-FCOS)を提案する。従来、従来のFCOS検出器は、2つの視点から表現することで最適化されており、二層的特徴量付け(ICA-FW)ブロックにより、2層的特徴量付け(英語版)(ICA-F-FPN)と2層的特徴量付け(英語版)モデル、および2層的特徴量付け(英語版)モデル、および2層的特徴量付け(英語版)モデル、および2層的特徴量付け(英語版)モデル(英語版)の詳細な特徴量付け、および2層的特徴付け(英語版)の多層的特徴付け(英語版)を効果的に活用する。

関連論文リスト

CAF-YOLO: A Robust Framework for Multi-Scale Lesion Detection in Biomedical Imagery [0.0682074616451595]
CAF-YOLOは、畳み込みニューラルネットワーク(CNN)とトランスフォーマーの強みを活用する、医学的対象検出のための、巧妙で堅牢な方法である。 ACFMモジュールはグローバル機能とローカル機能の両方のモデリングを強化し、長期的な機能依存のキャプチャを可能にする。 MSNNは多様なスケールにまたがる特徴を抽出することで、マルチスケールの情報集約を改善する。
論文参考訳（メタデータ） (2024-08-04T01:44:44Z)
CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文参考訳（メタデータ） (2024-03-21T15:13:36Z)
DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2023-12-11T18:38:28Z)
MAF-Net: Multiple attention-guided fusion network for fundus vascular image segmentation [1.3295074739915493]
網膜基底画像の血管を正確に検出するマルチアテンション誘導核融合ネットワーク(MAF-Net)を提案する。従来のUNetベースのモデルは、長距離依存を明示的にモデル化するため、部分的な情報を失う可能性がある。提案手法は,いくつかの最先端手法と比較して良好な結果が得られることを示す。
論文参考訳（メタデータ） (2023-05-05T15:22:20Z)
LCAUnet: A skin lesion segmentation network with enhanced edge and body fusion [4.819821513256158]
LCAUnetは、エッジとボディの特徴の融合による相補表現の能力を向上させるために提案されている。公開データセットISIC 2017、ISIC 2018、PH2の実験では、LCAUnetが最先端の手法よりも優れていることが示されている。
論文参考訳（メタデータ） (2023-05-01T14:05:53Z)
CDFI: Cross Domain Feature Interaction for Robust Bronchi Lumen Detection [36.048976865785605]
ラムメンの構造的特徴を抽出するために,クロスドメイン特徴相互作用(CDFI)ネットワークを提案する。 QFC(Quadruple Feature Constraints)モジュールは、様々な画像品質のサンプルの固有の接続を制限するように設計されている。 Guided Feature Fusion (GFF)モジュールは適応的な特徴融合のモデルを監督するために設計されている。
論文参考訳（メタデータ） (2023-04-18T16:28:02Z)
DualStreamFoveaNet: A Dual Stream Fusion Architecture with Anatomical Awareness for Robust Fovea Localization [6.278444803136043]
マルチキュー核融合のためのDualStreamFoveaNet (DSFN) と呼ばれる新しいトランスフォーマーアーキテクチャを提案する。このアーキテクチャは、網膜と血管の分布を用いた長距離接続とグローバルな特徴をはっきりと組み込んで、堅牢な葉の局在を図っている。 DSFNは、正常な網膜像と疾患のある網膜像の両方においてより堅牢であり、クロスデータセット実験においてキャパシティの一般化がより優れていることを実証する。
論文参考訳（メタデータ） (2023-02-14T10:40:20Z)
Affinity Feature Strengthening for Accurate, Complete and Robust Vessel Segmentation [48.638327652506284]
血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
論文参考訳（メタデータ） (2022-11-12T05:39:17Z)
Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
論文参考訳（メタデータ） (2022-09-25T04:56:10Z)
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)
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。