論文の概要: LSSF-Net: Lightweight Segmentation with Self-Awareness, Spatial Attention, and Focal Modulation
- arxiv url: http://arxiv.org/abs/2409.01572v1
- Date: Tue, 3 Sep 2024 03:06:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 03:06:29.158501
- Title: LSSF-Net: Lightweight Segmentation with Self-Awareness, Spatial Attention, and Focal Modulation
- Title（参考訳）: LSSF-Net: 自己認識, 空間意識, 焦点変調による軽量セグメンテーション
- Authors: Hamza Farooq, Zuhair Zafar, Ahsan Saadat, Tariq M Khan, Shahzaib Iqbal, Imran Razzak,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 8.566930077350184
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate segmentation of skin lesions within dermoscopic images plays a crucial role in the timely identification of skin cancer for computer-aided diagnosis on mobile platforms. However, varying shapes of the lesions, lack of defined edges, and the presence of obstructions such as hair strands and marker colors make this challenge more complex. \textcolor{red}Additionally, skin lesions often exhibit subtle variations in texture and color that are difficult to differentiate from surrounding healthy skin, necessitating models that can capture both fine-grained details and broader contextual information. Currently, melanoma segmentation models are commonly based on fully connected networks and U-Nets. However, these models often struggle with capturing the complex and varied characteristics of skin lesions, such as the presence of indistinct boundaries and diverse lesion appearances, which can lead to suboptimal segmentation performance.To address these challenges, we propose a novel lightweight network specifically designed for skin lesion segmentation utilizing mobile devices, featuring a minimal number of learnable parameters (only 0.8 million). This network comprises an encoder-decoder architecture that incorporates conformer-based focal modulation attention, self-aware local and global spatial attention, and split channel-shuffle. The efficacy of our model has been evaluated on four well-established benchmark datasets for skin lesion segmentation: ISIC 2016, ISIC 2017, ISIC 2018, and PH2. Empirical findings substantiate its state-of-the-art performance, notably reflected in a high Jaccard index.
- Abstract（参考訳）: 皮膚内視鏡像における皮膚病変の正確なセグメンテーションは,モバイルプラットフォーム上でのコンピュータ支援診断において,皮膚がんのタイムリー同定において重要な役割を担っている。
しかし、病変の様々な形状、定義された縁の欠如、毛糸やマーカーの色などの障害の存在により、この課題はより複雑になる。
さらに、肌の病変は、周囲の健康な皮膚と区別が難しいテクスチャや色の微妙な変化を示すことが多い。
現在、メラノーマセグメンテーションモデルは、完全に接続されたネットワークとU-Netに基づいている。
しかし,これらのモデルでは,不明瞭な境界の存在や多彩な病変の出現など,皮膚病変の複雑かつ多様な特徴を捉えることに苦慮することが多く,これらの課題に対処するために,モバイルデバイスを利用した皮膚病変のセグメンテーションに特化した軽量ネットワークを提案し,学習可能なパラメータを最小限に設定する(0.8万件)。
本ネットワークは、コンバータに基づく焦点変調注意、自己認識型局所的及びグローバル空間的注意、チャネルシャッフルの分割を含むエンコーダデコーダアーキテクチャを含む。
本モデルの有効性は,ISIC 2016,ISIC 2017,ISIC 2018,PH2という,皮膚病変のセグメンテーションのために確立された4つのベンチマークデータセットで評価されている。
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。
関連論文リスト
- Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary
Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。
この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。
PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文 参考訳（メタデータ） (2024-02-16T05:16:20Z) - DDI-CoCo: A Dataset For Understanding The Effect Of Color Contrast In
Machine-Assisted Skin Disease Detection [51.92255321684027]
皮膚のトーンと色差効果の相互作用について検討し,色差が皮膚のトーン間のモデル性能バイアスの新たな原因となる可能性が示唆された。
我々の研究は皮膚疾患の検出を改善するために皮膚科のAIに補完的な角度を提供する。
論文 参考訳（メタデータ） (2024-01-24T07:45:24Z) - IARS SegNet: Interpretable Attention Residual Skip connection SegNet for
melanoma segmentation [0.0]
IARS SegNetは、SegNetベースラインモデル上に構築された高度なセグメンテーションフレームワークである。
スキップ接続、残差畳み込み、グローバルアテンション機構は、臨床的に関係のある領域の重要性をアクセントする重要な役割を担っている。
この増強は重要な領域を強調し、理解を深め、メラノーマの診断においてより正確な皮膚病変の分節につながる。
論文 参考訳（メタデータ） (2023-10-31T09:04:09Z) - Inter-Scale Dependency Modeling for Skin Lesion Segmentation with
Transformer-based Networks [0.0]
メラノーマは皮膚細胞の異常増殖によって引き起こされる皮膚がんの危険形態である。
U-Netアーキテクチャを含むFCNアプローチは、皮膚病変を自動的に分割して診断を支援する。
対称的U-Netモデルは優れた結果を示しているが、畳み込み演算を用いることで、長距離依存を捕捉する能力は制限されている。
論文 参考訳（メタデータ） (2023-10-20T16:20:25Z) - Unsupervised Skin Lesion Segmentation via Structural Entropy
Minimization on Multi-Scale Superpixel Graphs [59.19218582436495]
本研究では,構造エントロピーと孤立林外層検出に基づく非教師付き皮膚病変sEgmentationフレームワーク,すなわちSLEDを提案する。
皮膚病変は、皮膚内視鏡像から構築した超画素グラフの構造エントロピーを最小化することにより区分される。
健康な皮膚の特徴の整合性を特徴とし, マルチスケールのセグメンテーション機構を考案し, マルチスケールのスーパーピクセル特徴を活用して, セグメンテーション精度を向上させる。
論文 参考訳（メタデータ） (2023-09-05T02:15:51Z) - Scale-aware Super-resolution Network with Dual Affinity Learning for
Lesion Segmentation from Medical Images [50.76668288066681]
低解像度医用画像から様々な大きさの病変を適応的に分割する,スケールアウェアな超解像ネットワークを提案する。
提案するネットワークは,他の最先端手法と比較して一貫した改善を実現した。
論文 参考訳（メタデータ） (2023-05-30T14:25:55Z) - Generative Adversarial Networks based Skin Lesion Segmentation [7.9234173309439715]
本稿では, 教師なし生成ネットワークを用いて正確な病変マスクを生成する, Efficient-GAN という新たな逆学習基盤を提案する。
Dice係数、Jaccard類似度、精度はそれぞれ90.1%、83.6%、94.5%である。
また,EGANと同等の性能を持つ軽量セグメンテーションフレームワーク(MGAN)を設計する。
論文 参考訳（メタデータ） (2023-05-29T15:51:31Z) - 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) - Salient Skin Lesion Segmentation via Dilated Scale-Wise Feature Fusion
Network [28.709314434820953]
現在の皮膚病変のセグメンテーションアプローチは、困難な状況下ではパフォーマンスが悪くなっている。
畳み込み分解に基づく拡張スケールワイド機能融合ネットワークを提案する。
提案手法は, 常に最先端の結果を示す。
論文 参考訳（メタデータ） (2022-05-20T16:08:37Z) - Leveraging Adaptive Color Augmentation in Convolutional Neural Networks
for Deep Skin Lesion Segmentation [0.0]
データ表現とモデル性能を増幅する適応色拡張手法を提案する。
正常な皮膚組織に対して皮膚病変を識別するためのネットワークによって得られた意味的構造的特徴を質的に同定し,検証した。
論文 参考訳（メタデータ） (2020-10-31T00:16:23Z) - 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)
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。