論文の概要: EAGLE: An Efficient Global Attention Lesion Segmentation Model for Hepatic Echinococcosis
- arxiv url: http://arxiv.org/abs/2506.20333v1
- Date: Wed, 25 Jun 2025 11:42:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-26 21:00:42.716488
- Title: EAGLE: An Efficient Global Attention Lesion Segmentation Model for Hepatic Echinococcosis
- Title（参考訳）: EAGLE : 肝エキノコックス症に対する効率的なグローバルアテンション病変分割モデル
- Authors: Jiayan Chen, Kai Li, Yulu Zhao, Jianqiang Huang, Zhan Wang,
- Abstract要約: 本稿では,プログレッシブ・ビジュアル・ステート・スペース(PVSS)エンコーダとハイブリッド・ビジュアル・ステート・スペース(HVSS)デコーダからなるU字型ネットワークを提案する。
Dice similarity Coefficient (DSC) は89.76%で、MSVM-UNetを1.61%上回っている。
- 参考スコア（独自算出の注目度）: 31.698319244945793
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hepatic echinococcosis (HE) is a widespread parasitic disease in underdeveloped pastoral areas with limited medical resources. While CNN-based and Transformer-based models have been widely applied to medical image segmentation, CNNs lack global context modeling due to local receptive fields, and Transformers, though capable of capturing long-range dependencies, are computationally expensive. Recently, state space models (SSMs), such as Mamba, have gained attention for their ability to model long sequences with linear complexity. In this paper, we propose EAGLE, a U-shaped network composed of a Progressive Visual State Space (PVSS) encoder and a Hybrid Visual State Space (HVSS) decoder that work collaboratively to achieve efficient and accurate segmentation of hepatic echinococcosis (HE) lesions. The proposed Convolutional Vision State Space Block (CVSSB) module is designed to fuse local and global features, while the Haar Wavelet Transformation Block (HWTB) module compresses spatial information into the channel dimension to enable lossless downsampling. Due to the lack of publicly available HE datasets, we collected CT slices from 260 patients at a local hospital. Experimental results show that EAGLE achieves state-of-the-art performance with a Dice Similarity Coefficient (DSC) of 89.76%, surpassing MSVM-UNet by 1.61%.
- Abstract（参考訳）: 肝アキノコッカス (Hepatic echinococcosis, HE) は, 未発達の牧草地において, 医療資源が限られている寄生虫性疾患である。
CNNベースのモデルとTransformerベースのモデルは医療画像のセグメンテーションに広く応用されているが、CNNは局所受容場によるグローバルなコンテキストモデリングを欠いている。
近年、Mambaのような状態空間モデル(SSM)は、線形複雑性を持つ長い列をモデル化する能力に注目されている。
本稿では,進行性視覚状態空間(PVSS)エンコーダとハイブリッド視覚状態空間(HVSS)デコーダからなるU字型ネットワークであるERGLEを提案する。
提案したコンボリューショナル・ビジョン・ステート・スペース・ブロック(CVSSB)モジュールは局所的およびグローバルな特徴を融合するよう設計されており、一方ハールウェーブレット・トランスフォーメーション・ブロック(HWTB)モジュールはチャネル次元に空間情報を圧縮し、損失のないダウンサンプリングを可能にする。
HEデータセットが公開されていないため,局所病院で260例のCTスライスを採取した。
実験の結果,DSC(Dice similarity Coefficient)は89.76%であり,MSVM-UNetを1.61%上回った。
関連論文リスト
- A Study on the Performance of U-Net Modifications in Retroperitoneal Tumor Segmentation [45.39707664801522]
後腹膜には、稀な良性および悪性型を含む様々な腫瘍があり、診断と治療の課題を引き起こす。
腫瘍径の推定は不規則な形状のため困難であり,手動分割は時間を要する。
本研究は,CNN,ViT,Mamba,xLSTMなどのU-Net拡張を,新しい社内CTデータセットと公開臓器セグメンテーションデータセットに基づいて評価する。
論文 参考訳（メタデータ） (2025-02-01T04:25:28Z) - HCMA-UNet: A Hybrid CNN-Mamba UNet with Axial Self-Attention for Efficient Breast Cancer Segmentation [7.807738181550226]
本研究は,乳癌の病変分割のための新しいハイブリットセグメンテーションネットワークHCMA-UNetを提案する。
我々のネットワークは軽量CNNバックボーンとMISMモジュールで構成される。
我々の軽量モデルは2.87Mパラメータと126.44 GFLOPで優れた性能を実現する。
論文 参考訳（メタデータ） (2025-01-01T06:42:57Z) - HES-UNet: A U-Net for Hepatic Echinococcosis Lesion Segmentation [31.698319244945793]
HES-UNetはHE病変セグメンテーションの効率的かつ正確なモデルである。
モデルでは、畳み込みレイヤとアテンションモジュールを組み合わせて、ローカルとグローバルの機能をキャプチャする。
実験により、HES-UNetは我々のデータセット上で最先端のパフォーマンスを達成することが示された。
論文 参考訳（メタデータ） (2024-12-09T14:33:55Z) - KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。
我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。
提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
論文 参考訳（メタデータ） (2024-10-28T16:00:42Z) - GCtx-UNet: Efficient Network for Medical Image Segmentation [0.2353157426758003]
GCtx-UNetは軽量なセグメンテーションアーキテクチャで、最先端のアプローチよりも正確さでグローバルおよびローカルの画像特徴をキャプチャできる。
GCtx-UNetは、Synapseの多臓器腹部CTデータセット、ACDCの心臓MRIデータセット、およびいくつかのポリープセグメンテーションデータセットで評価される。
論文 参考訳（メタデータ） (2024-06-09T19:17:14Z) - 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) - MS-DCANet: A Novel Segmentation Network For Multi-Modality COVID-19
Medical Images [3.340523650338255]
新型コロナウイルス(COVID-19)パンデミックは公衆衛生の負担を増し、人間に深刻な災害をもたらした。
境界線がぼやけたり、コントラストが低かったり、感染部位が違っていたりした新型コロナウイルスの医療画像に特筆すべき点として、より複雑なものを追加することで精度を向上させた研究者もいる。
本稿では,MSDCANetという対称自動セグメンテーションフレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-22T05:51:52Z) - MISSU: 3D Medical Image Segmentation via Self-distilling TransUNet [55.16833099336073]
医用画像セグメンテーションのためのトランスフォーマーベースUNetを提案する。
グローバルな意味情報と局所的な空間的詳細特徴を同時に学習する。
MISSUは従来の最先端手法よりも優れた性能を発揮する。
論文 参考訳（メタデータ） (2022-06-02T07:38:53Z) - Hepatic vessel segmentation based on 3Dswin-transformer with inductive
biased multi-head self-attention [46.46365941681487]
Indu BIased Multi-Head Attention Vessel Net という,堅牢なエンドツーエンドのコンテナセグメンテーションネットワークを提案する。
正確な肝血管のボクセルを見つけるために,パッチワイド埋め込みよりもボクセルワイド埋め込みを導入する。
一方,絶対位置埋め込みから帰納的バイアス付き相対的位置埋め込みを学習する帰納的バイアス付きマルチヘッド自己アテンションを提案する。
論文 参考訳（メタデータ） (2021-11-05T10:17:08Z) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳（メタデータ） (2020-04-22T07:30:56Z)
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。