Fugu-MT 論文翻訳(概要): MSDet: Receptive Field Enhanced Multiscale Detection for Tiny Pulmonary Nodule

論文の概要: MSDet: Receptive Field Enhanced Multiscale Detection for Tiny Pulmonary Nodule

arxiv url: http://arxiv.org/abs/2409.14028v1
Date: Sat, 21 Sep 2024 06:08:23 GMT
ステータス: 処理完了
システム内更新日: 2024-11-07 04:06:38.339561
Title: MSDet: Receptive Field Enhanced Multiscale Detection for Tiny Pulmonary Nodule
Title（参考訳）: MSDet: 肺結節の知覚野増強によるマルチスケール検出
Authors: Guohui Cai, Ying Cai, Zeyu Zhang, Daji Ergu, Yuanzhouhan Cao, Binbin Hu, Zhibin Liao, Yang Zhao,
Abstract要約: 肺結節は肺癌の早期診断における重要な指標である。従来のCT画像撮影法は、煩雑な処置、低検出率、ローカライゼーション精度の低下に悩まされていた。肺小結節検出のためのマルチスケールアテンションおよび受容野ネットワークであるMSDetを提案する。
参考スコア（独自算出の注目度）: 17.838015589388014
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Pulmonary nodules are critical indicators for the early diagnosis of lung cancer, making their detection essential for timely treatment. However, traditional CT imaging methods suffered from cumbersome procedures, low detection rates, and poor localization accuracy. The subtle differences between pulmonary nodules and surrounding tissues in complex lung CT images, combined with repeated downsampling in feature extraction networks, often lead to missed or false detections of small nodules. Existing methods such as FPN, with its fixed feature fusion and limited receptive field, struggle to effectively overcome these issues. To address these challenges, our paper proposed three key contributions: Firstly, we proposed MSDet, a multiscale attention and receptive field network for detecting tiny pulmonary nodules. Secondly, we proposed the extended receptive domain (ERD) strategy to capture richer contextual information and reduce false positives caused by nodule occlusion. We also proposed the position channel attention mechanism (PCAM) to optimize feature learning and reduce multiscale detection errors, and designed the tiny object detection block (TODB) to enhance the detection of tiny nodules. Lastly, we conducted thorough experiments on the public LUNA16 dataset, achieving state-of-the-art performance, with an mAP improvement of 8.8% over the previous state-of-the-art method YOLOv8. These advancements significantly boosted detection accuracy and reliability, providing a more effective solution for early lung cancer diagnosis. The code will be available at https://github.com/CaiGuoHui123/MSDet
Abstract（参考訳）: 肺結節は早期肺癌の診断にとって重要な指標であり、その発見はタイムリーな治療に不可欠である。しかし, 従来のCT画像診断では, 煩雑な処置, 低検出率, ローカライゼーション精度の低下に悩まされていた。複雑な肺CT像における肺結節と周囲組織との微妙な相違は,特徴抽出ネットワークにおける繰り返しのダウンサンプリングと相まって,小結節の誤検出や誤検出に繋がることが多い。 FPNのような既存の手法は、固定された特徴融合と限定的な受容場を持ち、これらの問題を効果的に克服するのに苦労している。これらの課題に対処するため,我々は,肺小結節を検出するためのマルチスケールアテンションおよび受容野ネットワークであるMSDetを提案した。次に,よりリッチな文脈情報を捕捉し,結節閉塞による偽陽性を低減するための拡張受容ドメイン(ERD)戦略を提案した。また,特徴学習の最適化とマルチスケール検出誤差の低減を目的とした位置チャネルアテンション機構 (PCAM) を提案し,微小物体検出ブロック (TODB) を設計した。最後に, LUNA16データセットの詳細な実験を行い, 従来手法のYOLOv8よりも8.8%改善し, 最先端性能を実現した。これらの進歩により、検出精度と信頼性が著しく向上し、早期肺癌の診断に有効な解決策となった。コードはhttps://github.com/CaiGuoHui123/MSDetで入手できる。

関連論文リスト

Improved Focus on Hard Samples for Lung Nodule Detection [0.304585143845864]
本研究では,肺結節に対処する硬度サンプルやデータセットに注意を払って検出ネットワークを改良した。 LUNA16データセットを用いた実験により,提案手法の有効性を実証し,本手法が競争性能に到達したことを示す。
論文参考訳（メタデータ） (2024-03-07T13:22:53Z)
Gravity Network for end-to-end small lesion detection [50.38534263407915]
本稿では,医療画像の小さな病変を特異的に検出するワンステージエンド・ツー・エンド検出器を提案する。小さな病変の正確な局在化は、その外観と、それらが見つかる様々な背景によって困難を呈する。この新たなアーキテクチャをGravityNetと呼び、新しいアンカーを重力点と呼ぶ。
論文参考訳（メタデータ） (2023-09-22T14:02:22Z)
SGDA: Towards 3D Universal Pulmonary Nodule Detection via Slice Grouped Domain Attention [47.44114201293201]
肺がんは世界中でがんの死因となっている。現在の肺結節検出法は通常ドメイン固有である。肺結節検出ネットワークの一般化能力を高めるために,スライスグループドメインアテンション(SGDA)モジュールを提案する。
論文参考訳（メタデータ） (2023-03-07T03:17:49Z)
The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
病理脳病変は脳画像に多彩な外観を示す。正規データのみを用いた教師なし異常検出手法が提案されている。空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
論文参考訳（メタデータ） (2023-01-19T21:39:38Z)
Identification of lung nodules CT scan using YOLOv5 based on convolution neural network [0.0]
本研究は, 肺に発生する結節を同定することを目的とした。 1段階検出器YOLOv5は280 CT SCANで訓練された。
論文参考訳（メタデータ） (2022-12-31T17:31:22Z)
Distance-based detection of out-of-distribution silent failures for Covid-19 lung lesion segmentation [0.8200989595956418]
ディープラーニングモデルは、アウト・オブ・ディストリビューションデータにサイレントに失敗するため、臨床ルーチンに信頼されていない。特徴空間におけるマハラノビス距離を利用する軽量なOOD検出法を提案する。胸部CT像の分布変化とMRIの2つの応用について検討した。
論文参考訳（メタデータ） (2022-08-05T15:05:23Z)
Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文参考訳（メタデータ） (2022-05-08T15:29:54Z)
MHSnet: Multi-head and Spatial Attention Network with False-Positive Reduction for Pulmonary Nodules Detection [6.863130535003796]
肺癌の早期発見は、疾患の予防、治療、死亡率の低下に重要である。既存の肺結節検出法では偽陽性が多すぎる。肺結節を検出するために,マルチヘッド検出と空間的絞殺ネットワーク(MHSnet)を提案する。
論文参考訳（メタデータ） (2022-01-31T17:56:08Z)
SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere Representation and Center Points Matching [47.79483848496141]
3次元球面表現に基づく中心点マッチング検出ネットワーク(SCPM-Net)を提案する。アンカーフリーで、nodule/anchorパラメータを手動で設計することなく、nodulesの位置、半径、オフセットを自動的に予測する。提案するSCPM-Netフレームワークは,既存のアンカーベースおよびアンカーフリーの肺結節検出法と比較して,優れた性能を示すことを示す。
論文参考訳（メタデータ） (2021-04-12T05:51:29Z)
Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文参考訳（メタデータ） (2021-02-26T02:29:30Z)
No Surprises: Training Robust Lung Nodule Detection for Low-Dose CT Scans by Augmenting with Adversarial Attacks [18.369871933983706]
コンピュータビジョン技術を用いて結節を検出することで、肺がん検診のための胸部CTの感度と速度を向上させることができる。多くの研究は、結節候補を検出するためにCNNを使用している。また、CNNはトレーニングセットで表現されていないサンプルを一般化し、知覚不能なノイズの摂動を生じやすいように制限されることも知られている。
論文参考訳（メタデータ） (2020-03-08T18:32:46Z)

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。