論文の概要: Transformer-Enhanced Iterative Feedback Mechanism for Polyp Segmentation
- arxiv url: http://arxiv.org/abs/2409.05875v1
- Date: Sun, 25 Aug 2024 02:39:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-15 05:31:27.761176
- Title: Transformer-Enhanced Iterative Feedback Mechanism for Polyp Segmentation
- Title（参考訳）: ポリプセグメンテーションのためのトランスフォーマー強化反復フィードバック機構
- Authors: Nikhil Kumar Tomar, Debesh Jha, Koushik Biswas, Tyler M. Berzin, Rajesh Keswani, Michael Wallace, Ulas Bagci,
- Abstract要約: 大腸内視鏡画像からポリープを正確に分割する先進的なエンコーダデコーダネットワークであるtextittextbfacFANet2 を導入する。
FANetv2は、新たなフィードバックアテンション機構を通じて、バイナリセグメンテーションマスクを反復的に洗練する。
ポリプの個数(1個または複数)とサイズ(小、中、大)に関する必須情報を統合し、その特徴表現能力をさらに強化する。
- 参考スコア（独自算出の注目度）: 3.017482151674131
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Colorectal cancer (CRC) is the third most common cause of cancer diagnosed in the United States and the second leading cause of cancer-related death among both genders. Notably, CRC is the leading cause of cancer in younger men less than 50 years old. Colonoscopy is considered the gold standard for the early diagnosis of CRC. Skills vary significantly among endoscopists, and a high miss rate is reported. Automated polyp segmentation can reduce the missed rates, and timely treatment is possible in the early stage. To address this challenge, we introduce \textit{\textbf{\ac{FANetv2}}}, an advanced encoder-decoder network designed to accurately segment polyps from colonoscopy images. Leveraging an initial input mask generated by Otsu thresholding, FANetv2 iteratively refines its binary segmentation masks through a novel feedback attention mechanism informed by the mask predictions of previous epochs. Additionally, it employs a text-guided approach that integrates essential information about the number (one or many) and size (small, medium, large) of polyps to further enhance its feature representation capabilities. This dual-task approach facilitates accurate polyp segmentation and aids in the auxiliary classification of polyp attributes, significantly boosting the model's performance. Our comprehensive evaluations on the publicly available BKAI-IGH and CVC-ClinicDB datasets demonstrate the superior performance of FANetv2, evidenced by high dice similarity coefficients (DSC) of 0.9186 and 0.9481, along with low Hausdorff distances of 2.83 and 3.19, respectively. The source code for FANetv2 is available at https://github.com/xxxxx/FANetv2.
- Abstract（参考訳）: 大腸癌 (CRC) はアメリカ合衆国で診断されるがんの3番目に多い原因であり、両方の性別でがん関連死亡の2番目に多い原因である。
特に、CRCは50歳未満の若年男性におけるがんの主要な原因である。
大腸内視鏡はCRCの早期診断における金の基準であると考えられている。
内科医の間ではスキルが著しく異なり、ミス率が高いことが報告されている。
自動ポリープセグメンテーションは欠落率を減少させ、早期にタイムリーな治療が可能である。
この課題に対処するために,大腸内視鏡画像からポリプを正確に分割する高度なエンコーダ・デコーダネットワークである \textit{\textbf{\ac{FANetv2}}} を導入する。
FANetv2は、大津しきい値設定によって生成された初期入力マスクを利用して、以前の時代のマスク予測によって通知される新しいフィードバックアテンション機構を通じて、二分分割マスクを反復的に洗練する。
さらに、ポリプの数(1つかそれ以上)とサイズ(小、中、大)に関する重要な情報を統合して、その特徴表現能力をさらに強化するテキスト誘導方式を採用している。
このデュアルタスクアプローチは、正確なポリープセグメンテーションを促進し、ポリープ属性の補助的な分類を支援し、モデルの性能を大幅に向上させる。
一般に公開されているBKAI-IGHとCVC-ClinicDBデータセットの総合的な評価は、FANetv2の優れた性能を示し、それぞれ0.9186と0.9481の高ダイス類似度係数(DSC)と2.83と3.19の低いハウスドルフ距離によって証明されている。
FANetv2のソースコードはhttps://github.com/xxxxx/FANetv2.comから入手できる。
関連論文リスト
- ASPS: Augmented Segment Anything Model for Polyp Segmentation [77.25557224490075]
SAM(Segment Anything Model)は、ポリープセグメンテーションに先例のないポテンシャルを導入している。
SAMのTransformerベースの構造は、グローバルおよび低周波情報を優先する。
CFAはトレーニング可能なCNNエンコーダブランチと凍結したViTエンコーダを統合し、ドメイン固有の知識の統合を可能にする。
論文 参考訳（メタデータ） (2024-06-30T14:55:32Z) - Lesion-aware Dynamic Kernel for Polyp Segmentation [49.63274623103663]
ポリープセグメンテーションのための障害対応動的ネットワーク(LDNet)を提案する。
従来のU字型エンコーダ・デコーダ構造であり、動的カーネル生成と更新スキームが組み込まれている。
この単純だが効果的なスキームは、我々のモデルに強力なセグメンテーション性能と一般化能力を与える。
論文 参考訳（メタデータ） (2023-01-12T09:53:57Z) - DilatedSegNet: A Deep Dilated Segmentation Network for Polyp
Segmentation [2.6179759969345002]
大腸癌は世界で2番目に多い死因である。
ディープラーニングを利用したコンピュータ支援診断システム(CAD)は、大腸内視鏡検査中に医師が見落としている大腸の領域を検出することができる。
高い精度とリアルタイム速度の欠如は、そのようなシステムの臨床的統合を成功させるために克服すべき重要な障害である。
論文 参考訳（メタデータ） (2022-10-24T20:36:30Z) - TransResU-Net: Transformer based ResU-Net for Real-Time Colonoscopy
Polyp Segmentation [1.9875031133911856]
ポリープ,腺腫,進行腺腫の誤診率は高い。
深層学習に基づくコンピュータ支援診断システム(CADx)は、消化器科医が見逃される可能性のあるポリプを見つけるのに役立つかもしれない。
TransResU-Netはリアルタイムポリープ検出システムを構築するための強力なベンチマークになり得る。
論文 参考訳（メタデータ） (2022-06-17T19:36:37Z) - Automatic Polyp Segmentation with Multiple Kernel Dilated Convolution
Network [3.1374864575817214]
本研究では,自動ポリープ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,textbfMKDCNetを提案する。
4つの公開ポリプデータセットと細胞核データセットの実験は、提案されたMKDCNetが最先端の手法より優れていることを示している。
MKDCNetは、臨床大腸内視鏡のためのリアルタイムシステムを構築するための強力なベンチマークとなる。
論文 参考訳（メタデータ） (2022-06-13T15:47:38Z) - Self-Supervised U-Net for Segmenting Flat and Sessile Polyps [63.62764375279861]
大腸ポリープの発達は、がんの最も初期の兆候の1つである。
ポリープの早期検出と切除は生存率を90%に大きく向上させる。
大腸内視鏡画像の処理によりポリープを検出するコンピュータ支援診断システム(CADx)が提案されている。
論文 参考訳（メタデータ） (2021-10-17T09:31:20Z) - Cross-Site Severity Assessment of COVID-19 from CT Images via Domain
Adaptation [64.59521853145368]
CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。
ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。
この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
論文 参考訳（メタデータ） (2021-09-08T07:56:51Z) - Automatic Polyp Segmentation via Multi-scale Subtraction Network [100.94922587360871]
臨床的には、正確なポリープセグメンテーションは大腸癌の早期発見に重要な情報を提供する。
既存のほとんどの手法はU字型構造に基づいており、デコーダで段階的に異なるレベルの特徴を融合させるために要素ワイド付加または結合を用いる。
大腸内視鏡画像からポリプを抽出するマルチスケールサブトラクションネットワーク(MSNet)を提案する。
論文 参考訳（メタデータ） (2021-08-11T07:54:07Z) - AG-CUResNeSt: A Novel Method for Colon Polyp Segmentation [0.0]
本稿では、ロバストなResNeStバックボーンとアテンションゲートを用いて結合ユニセットを強化するAG-CUResNeStと呼ばれる新しいニューラルネットワークアーキテクチャを提案する。
提案手法は既存手法と比較して最先端の精度を実現する。
論文 参考訳（メタデータ） (2021-05-02T06:36:36Z) - 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) - Colorectal Polyp Segmentation by U-Net with Dilation Convolution [9.840695333927496]
大腸癌(英:Colorectal cancer, CRC)は、アメリカ合衆国で最も一般的に診断されるがんの1つであり、がん死の原因となっている。
現在最も一般的な大腸ポリープ検出法は大腸内視鏡である。
大腸ポリープセグメンテーションのための新しいエンドツーエンドディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2019-12-26T23:27:18Z)
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。