論文の概要: DPE-Net: Dual-Parallel Encoder Based Network for Semantic Segmentation of Polyps

• arxiv url: http://arxiv.org/abs/2412.00888v2
• Date: Tue, 03 Dec 2024 13:30:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:42:42.666834
• Title: DPE-Net: Dual-Parallel Encoder Based Network for Semantic Segmentation of Polyps
• Title（参考訳）: DPE-Net:ポリプのセマンティックセグメンテーションのためのデュアルパラレルエンコーダベースネットワーク
• Authors: Malik Abdul Manan, Feng Jinchao, Shahzad Ahmed, Abdul Raheem,
• Abstract要約: 医用画像では大腸ポリープの効率的な分画は大腸癌に対する最小侵襲のソリューションにおいて重要な役割を担っている。 本研究では,ポリプセグメンテーションのためのネットワーク内の2つの並列エンコーダ分岐を用いた新しいアプローチを提案する。 エンコーダの1つのブランチには、2つの畳み込みブロックが組み込まれている。 他のブロックは、前のレイヤの機能の追加で単一の畳み込みブロックを受け入れ、エンコーダ内での機能抽出の多様性を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In medical imaging, efficient segmentation of colon polyps plays a pivotal role in minimally invasive solutions for colorectal cancer. This study introduces a novel approach employing two parallel encoder branches within a network for polyp segmentation. One branch of the encoder incorporates the dual convolution blocks that have the capability to maintain feature information over increased depths, and the other block embraces the single convolution block with the addition of the previous layer's feature, offering diversity in feature extraction within the encoder, combining them before transpose layers with a depth-wise concatenation operation. Our model demonstrated superior performance, surpassing several established deep-learning architectures on the Kvasir and CVC-ClinicDB datasets, achieved a Dice score of 0.919, a mIoU of 0.866 for the Kvasir dataset, and a Dice score of 0.931 and a mIoU of 0.891 for the CVC-ClinicDB. The visual and quantitative results highlight the efficacy of our model, potentially setting a new model in medical image segmentation.
• Abstract（参考訳）: 医用画像では大腸ポリープの効率的な分画は大腸癌に対する最小侵襲のソリューションにおいて重要な役割を担っている。 本研究では,ポリプセグメンテーションのためのネットワーク内の2つの並列エンコーダ分岐を用いた新しいアプローチを提案する。 エンコーダの一方の分岐部は、増大した深さで特徴情報を保持する能力を持つ二重畳み込みブロックを組み込み、他方のブロックは、前の層の特徴を付加して単一の畳み込みブロックを受け入れ、エンコーダ内の特徴抽出の多様性を提供し、層をトランスポジションする前に層を奥行きに結合する操作と組み合わせる。 KvasirおよびCVC-ClinicDBデータセット上で確立されたディープラーニングアーキテクチャを上回り、Diceスコア0.919、KvasirデータセットのmIoU0.866、CVC-ClinicDBのmIoU0.931、mIoU0.891を達成し、優れた性能を示した。 視覚的,定量的な結果から,医用画像セグメンテーションにおいて新たなモデルが設定される可能性が示唆された。

関連論文リスト

• Multi-Layer Feature Fusion with Cross-Channel Attention-Based U-Net for Kidney Tumor Segmentation [0.0]
  U-Netベースのディープラーニング技術は、自動化された医用画像セグメンテーションのための有望なアプローチとして登場しつつある。 腎腫瘍の診断のためのCTスキャン画像のエンドツーエンド自動セマンティックセマンティックセグメンテーションのための改良されたU-Netモデルを提案する。
  論文  参考訳（メタデータ） (2024-10-20T19:02:41Z)
• Polyp segmentation in colonoscopy images using DeepLabV3++ [3.0182171147100076]
  DeepLabv3+アーキテクチャの拡張版であるDeepLabv3++モデルを紹介します。 提案モデルでは,MSPPブロック内に多様な分離可能な畳み込み層とアテンション機構を組み込み,マルチスケールおよび指向性の特徴を捉える能力を向上させる。 実験により、DeepLabV3++はポリプセグメンテーションタスクにおいて、最先端のモデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-07-27T19:24:55Z)
• 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)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• Deep Learning Framework with Multi-Head Dilated Encoders for Enhanced Segmentation of Cervical Cancer on Multiparametric Magnetic Resonance Imaging [0.6597195879147557]
  T2強調核磁気共鳴画像(MRI)と拡散強調画像(DWI)は頸部がん診断に欠かせない要素である。 拡張畳み込みと共有残差接続を多パラメータMRI画像の分離符号化に用いる新しいマルチヘッドフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-19T19:41:21Z)
• Multi Kernel Positional Embedding ConvNeXt for Polyp Segmentation [7.31341312596412]
  本稿では,ConvNeXtバックボーンとMulti Kernel Positional Embeddingブロックで構成される新しいフレームワークを提案する。 我々のモデルは,Kvasir-SEGデータセット上でのDice係数0.8818とIOUスコア0.8163を達成する。
  論文  参考訳（メタデータ） (2023-01-17T03:12:57Z)
• 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)
• 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)
• Deep ensembles based on Stochastic Activation Selection for Polyp Segmentation [82.61182037130406]
  本研究は,大腸内視鏡検査における画像分割,特に正確なポリープ検出とセグメンテーションを扱う。 イメージセグメンテーションの基本アーキテクチャはエンコーダとデコーダで構成されている。 我々はデコーダのバックボーンを変更することで得られるDeepLabアーキテクチャのバリエーションを比較した。
  論文  参考訳（メタデータ） (2021-04-02T02:07:37Z)
• 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)

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。