論文の概要: Wavelet-based Global-Local Interaction Network with Cross-Attention for Multi-View Diabetic Retinopathy Detection
- arxiv url: http://arxiv.org/abs/2503.19329v1
- Date: Tue, 25 Mar 2025 03:44:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-26 16:50:54.626672
- Title: Wavelet-based Global-Local Interaction Network with Cross-Attention for Multi-View Diabetic Retinopathy Detection
- Title(参考訳): マルチビュー糖尿病網膜症検出のための横断注意を用いたウェーブレットを用いたグローバルローカルインタラクションネットワーク
- Authors: Yongting Hu, Yuxin Lin, Chengliang Liu, Xiaoling Luo, Xiaoyan Dou, Qihao Xu, Yong Xu,
- Abstract要約: 本稿では,難病情報学習の課題を克服し,多視点融合の不十分さを克服する新しい手法を提案する。
具体的には,局所的な病変の特徴とグローバルな依存関係を両立する2分岐ネットワークを提案する。
マルチビュー融合を改善し,冗長性を低減するために,クロスビュー融合モジュールを提案する。
- 参考スコア(独自算出の注目度): 11.977013678444273
- License:
- Abstract: Multi-view diabetic retinopathy (DR) detection has recently emerged as a promising method to address the issue of incomplete lesions faced by single-view DR. However, it is still challenging due to the variable sizes and scattered locations of lesions. Furthermore, existing multi-view DR methods typically merge multiple views without considering the correlations and redundancies of lesion information across them. Therefore, we propose a novel method to overcome the challenges of difficult lesion information learning and inadequate multi-view fusion. Specifically, we introduce a two-branch network to obtain both local lesion features and their global dependencies. The high-frequency component of the wavelet transform is used to exploit lesion edge information, which is then enhanced by global semantic to facilitate difficult lesion learning. Additionally, we present a cross-view fusion module to improve multi-view fusion and reduce redundancy. Experimental results on large public datasets demonstrate the effectiveness of our method. The code is open sourced on https://github.com/HuYongting/WGLIN.
- Abstract(参考訳): 糖尿病性網膜症 (DR) の診断は, シングルビューDRが直面する不完全病変の問題に対処する, 有望な方法として最近登場した。しかし, サイズや病変の散在が原因で, いまだに困難である。
さらに,既存の多視点DR手法は,病変情報の相関や冗長性を考慮せずに,複数のビューをマージすることが多い。
そこで本研究では,難病情報学習の課題を克服し,多視点融合を不十分にするための新しい手法を提案する。
具体的には,局所的な病変の特徴とグローバルな依存関係を両立する2分岐ネットワークを提案する。
ウェーブレット変換の高周波成分は、病変のエッジ情報を利用するために使用され、グローバルな意味によって強化され、障害学習が困難になる。
さらに,多視点融合を改善し,冗長性を低減するために,クロスビュー融合モジュールを提案する。
大規模な公開データセットに対する実験結果から,本手法の有効性が示された。
コードはhttps://github.com/HuYongting/WGLINで公開されている。
関連論文リスト
- 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) - Multi-Level Global Context Cross Consistency Model for Semi-Supervised
Ultrasound Image Segmentation with Diffusion Model [0.0]
本研究では,Latent Diffusion Model (LDM) によって生成された画像を,半教師付き学習のためのラベル付き画像として利用するフレームワークを提案する。
提案手法により,確率分布の知識をセグメント化ネットワークに効果的に伝達することが可能となり,セグメント化精度が向上する。
論文 参考訳(メタデータ) (2023-05-16T14:08:24Z) - A Global and Patch-wise Contrastive Loss for Accurate Automated Exudate
Detection [12.669734891001667]
糖尿病網膜症(DR:diabetic retinopathy)は、視覚障害の主要な原因である。
硬口蓋の早期発見は、糖尿病の治療と視力喪失の予防に役立つDRの同定において重要な役割を担っている。
ハード・エクスデュート・セグメンテーションを最適化する新しい教師付きコントラスト学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-02-22T17:39:00Z) - 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) - RTNet: Relation Transformer Network for Diabetic Retinopathy
Multi-lesion Segmentation [10.643730843316948]
特定の病変は特定の血管に閉じており、互いに相対的なパターンを呈していることが判明した。
自己注意変換器は病変の特徴間のグローバルな依存関係を利用し、相互注意変換器は病変と血管の特徴の間の相互作用を可能にする。
上記の二重ブランチのブロックを統合することで、ネットワークは4種類の病変を同時に分割する。
論文 参考訳(メタデータ) (2022-01-26T16:19:04Z) - FetReg: Placental Vessel Segmentation and Registration in Fetoscopy
Challenge Dataset [57.30136148318641]
Fetoscopy Laser Photocoagulation はツイン・ツー・ツイン・トランスフュージョン症候群(TTTS)の治療に広く用いられている治療法である
これにより、プロシージャ時間と不完全アブレーションが増加し、持続的なTTTSが生じる可能性がある。
コンピュータ支援による介入は、ビデオモザイクによって胎児の視野を広げ、船体ネットワークのより良い視覚化を提供することによって、これらの課題を克服するのに役立つかもしれない。
本稿では,長期フェトスコープビデオからドリフトフリーモザイクを作成することを目的とした,胎児環境のための汎用的でロバストなセマンティックセマンティックセグメンテーションとビデオモザイクアルゴリズムを開発するための大規模マルチセントデータセットを提案する。
論文 参考訳(メタデータ) (2021-06-10T17:14:27Z) - Cross-Modality Brain Tumor Segmentation via Bidirectional
Global-to-Local Unsupervised Domain Adaptation [61.01704175938995]
本論文では,UDAスキームに基づくBiGL(Bidirectional Global-to-Local)適応フレームワークを提案する。
具体的には、脳腫瘍をセグメント化するために、双方向画像合成およびセグメンテーションモジュールを提案する。
提案手法は, 最先端の非教師なし領域適応法を大きなマージンで上回っている。
論文 参考訳(メタデータ) (2021-05-17T10:11:45Z) - Universal Lesion Detection by Learning from Multiple Heterogeneously
Labeled Datasets [23.471903581482668]
我々は,全データセットを用いてマルチヘッドマルチタスク病変検出法を学習し,DeepLesionの病変提案を生成する。
単一型病変検出装置からの知識伝達により,疑わしいが無意味な病変が発見された。
本手法は, 平均感度の測定値において, 現在の最先端手法よりも29%優れていた。
論文 参考訳(メタデータ) (2020-05-28T02:56:00Z) - Pseudo-Labeling for Small Lesion Detection on Diabetic Retinopathy
Images [12.49381528673824]
糖尿病網膜症(英: Diabetic retinopathy、DR)は、世界の勤労者の視覚障害の主要な原因である。
糖尿病患者の約300~400万人は、DRのために視力を失います。
色眼底画像によるDRの診断は、そのような問題を緩和するための一般的なアプローチである。
論文 参考訳(メタデータ) (2020-03-26T17:13:48Z) - Robust Multimodal Brain Tumor Segmentation via Feature Disentanglement
and Gated Fusion [71.87627318863612]
画像モダリティの欠如に頑健な新しいマルチモーダルセグメンテーションフレームワークを提案する。
我々のネットワークは、入力モードをモダリティ固有の外観コードに分解するために、特徴不整合を用いる。
我々は,BRATSチャレンジデータセットを用いて,重要なマルチモーダル脳腫瘍セグメンテーション課題に対する本手法の有効性を検証した。
論文 参考訳(メタデータ) (2020-02-22T14:32:04Z) - MS-Net: Multi-Site Network for Improving Prostate Segmentation with
Heterogeneous MRI Data [75.73881040581767]
本稿では,ロバスト表現を学習し,前立腺のセグメンテーションを改善するための新しいマルチサイトネットワーク(MS-Net)を提案する。
当社のMS-Netは,すべてのデータセットのパフォーマンスを一貫して改善し,マルチサイト学習における最先端の手法よりも優れています。
論文 参考訳(メタデータ) (2020-02-09T14:11:50Z)
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。