論文の概要: SegImgNet: Segmentation-Guided Dual-Branch Network for Retinal Disease Diagnoses

• arxiv url: http://arxiv.org/abs/2503.00267v1
• Date: Sat, 01 Mar 2025 00:56:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:15:37.258903
• Title: SegImgNet: Segmentation-Guided Dual-Branch Network for Retinal Disease Diagnoses
• Title（参考訳）: SegImgNet:網膜疾患診断のためのセグメンテーションガイド型デュアルブランチネットワーク
• Authors: Xinwei Luo, Songlin Zhao, Yun Zong, Yong Chen, Gui-shuang Ying, Lifang He,
• Abstract要約: 網膜疾患診断のためのセグメンテーション誘導型デュアルブランチネットワークであるSegImgNetを提案する。 SegImgNetにはセグメンテーションモジュールが組み込まれており、網膜画像から多スケールの網膜構造の特徴マップを生成する。 パブリックAIROGSデータセットとプライベートe-ROPデータセットを用いてSegImgNetを評価した。
• 参考スコア（独自算出の注目度）: 7.78278983469352
• License:
• Abstract: Retinal image plays a crucial role in diagnosing various diseases, as retinal structures provide essential diagnostic information. However, effectively capturing structural features while integrating them with contextual information from retinal images remains a challenge. In this work, we propose segmentation-guided dual-branch network for retinal disease diagnosis using retinal images and their segmentation maps, named SegImgNet. SegImgNet incorporates a segmentation module to generate multi-scale retinal structural feature maps from retinal images. The classification module employs two encoders to independently extract features from segmented images and retinal images for disease classification. To further enhance feature extraction, we introduce the Segmentation-Guided Attention (SGA) block, which leverages feature maps from the segmentation module to refine the classification process. We evaluate SegImgNet on the public AIROGS dataset and the private e-ROP dataset. Experimental results demonstrate that SegImgNet consistently outperforms existing methods, underscoring its effectiveness in retinal disease diagnosis. The code is publicly available at https://github.com/hawk-sudo/SegImgNet.
• Abstract（参考訳）: 網膜構造が重要な診断情報を提供するため、網膜画像は様々な疾患の診断において重要な役割を担っている。 しかし、構造的特徴を効果的に捉えつつ、網膜画像からのコンテキスト情報と統合することは依然として課題である。 本研究では網膜画像とセグメンテーションマップ(SegImgNet)を用いた網膜疾患診断のためのセグメンテーション誘導型デュアルブランチネットワークを提案する。 SegImgNetにはセグメンテーションモジュールが組み込まれており、網膜画像から多スケールの網膜構造の特徴マップを生成する。 分類モジュールは2つのエンコーダを使用して、セグメント化された画像と疾患分類のための網膜画像から特徴を独立に抽出する。 特徴抽出をさらに強化するため,セグメンテーション・ガイド・アテンション(SGA, Segmentation-Guided Attention)ブロックを導入した。 パブリックAIROGSデータセットとプライベートe-ROPデータセットを用いてSegImgNetを評価した。 実験の結果、SegImgNetは既存の方法より一貫して優れており、網膜疾患の診断におけるその効果が強調されている。 コードはhttps://github.com/hawk-sudo/SegImgNet.comで公開されている。

関連論文リスト

• LMBF-Net: A Lightweight Multipath Bidirectional Focal Attention Network for Multifeatures Segmentation [15.091476025563528]
  網膜疾患は、早期に診断や治療を受けなければ、両眼で不可逆的な視力喪失を引き起こす可能性がある。 多くのラベルや属性で網膜画像をセグメント化するための現在のディープラーニング技術は、検出精度と一般性に乏しい。 本稿では,多機能セグメンテーションのためのマルチパス畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2024-07-03T07:37:09Z)
• 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)
• M$^{2}$SNet: Multi-scale in Multi-scale Subtraction Network for Medical Image Segmentation [73.10707675345253]
  医用画像から多様なセグメンテーションを仕上げるマルチスケールサブトラクションネットワーク(M$2$SNet)を提案する。 本手法は,4つの異なる医用画像セグメンテーションタスクの11つのデータセットに対して,異なる評価基準の下で,ほとんどの最先端手法に対して好意的に機能する。
  論文  参考訳（メタデータ） (2023-03-20T06:26:49Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• 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)
• HistoSeg : Quick attention with multi-loss function for multi-structure segmentation in digital histology images [0.696194614504832]
  医療画像のセグメンテーションは、コンピュータ支援による診断、手術、治療を支援する。 一般化デコーダネットワーク,クイックアテンションモジュール,マルチロス関数を提案する。 医用画像セグメンテーション用データセットであるMoNuSegとGlaSにおいて,提案するネットワークの有効性を評価する。
  論文  参考訳（メタデータ） (2022-09-01T21:10:00Z)
• MFSNet: A Multi Focus Segmentation Network for Skin Lesion Segmentation [28.656853454251426]
  本研究は,皮膚病変の制御のための人工知能(AI)フレームワークを開発する。 MFSNetは3つの公開データセットで評価され、最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2022-03-27T16:10:40Z)
• Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding [60.89561661441736]
  医療画像分割のための新しい手法を提案する。 深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。 深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
  論文  参考訳（メタデータ） (2020-12-10T04:01:07Z)
• Pairwise Relation Learning for Semi-supervised Gland Segmentation [90.45303394358493]
  病理組織像における腺分節に対するPRS2モデルを提案する。 このモデルはセグメンテーションネットワーク(S-Net)とペア関係ネットワーク(PR-Net)から構成される。 我々は,GlaSデータセットの最近の5つの手法とCRAGデータセットの最近の3つの手法を比較した。
  論文  参考訳（メタデータ） (2020-08-06T15:02:38Z)
• Weakly-Supervised Segmentation for Disease Localization in Chest X-Ray Images [0.0]
  医用胸部X線画像のセマンティックセグメンテーションに対する新しいアプローチを提案する。 本手法は肺と胸壁の間の異常な空気量を検出するための胸部X線検査に適用可能である。
  論文  参考訳（メタデータ） (2020-07-01T20:48:35Z)

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。