Fugu-MT 論文翻訳(概要): CL-Polyp: A Contrastive Learning-Enhanced Network for Accurate Polyp Segmentation

論文の概要: CL-Polyp: A Contrastive Learning-Enhanced Network for Accurate Polyp Segmentation

arxiv url: http://arxiv.org/abs/2507.07154v2
Date: Tue, 22 Jul 2025 10:47:49 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-23 15:16:11.755091
Title: CL-Polyp: A Contrastive Learning-Enhanced Network for Accurate Polyp Segmentation
Title（参考訳）: CL-Polyp: 正確なポリプセグメンテーションのためのコントラスト学習強化ネットワーク
Authors: Desheng Li, Chaoliang Liu, Zhiyong Xiao,
Abstract要約: CL-Polypを提案する。本手法は, コントラスト学習を用いて, エンコーダの識別的特徴抽出を強化する。臨床ポリープセグメンテーションにおける最先端の手法を一貫して超越している。
参考スコア（独自算出の注目度）: 2.000434989156371
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Accurate segmentation of polyps from colonoscopy images is crucial for the early diagnosis and treatment of colorectal cancer. Most existing deep learning-based polyp segmentation methods adopt an Encoder-Decoder architecture, and some utilize multi-task frameworks that incorporate auxiliary tasks like classification to improve segmentation. However, these methods often need more labeled data and depend on task similarity, potentially limiting generalizability. To address these challenges, we propose CL-Polyp, a contrastive learning-enhanced polyp segmentation network. Our method uses contrastive learning to enhance the encoder's extraction of discriminative features by contrasting positive and negative sample pairs from polyp images. This self-supervised strategy improves visual representation without needing additional annotations. We also introduce two efficient, lightweight modules: the Modified Atrous Spatial Pyramid Pooling (MASPP) module for improved multi-scale feature fusion, and the Channel Concatenate and Element Add (CA) module to merge low-level and upsampled features for {enhanced} boundary reconstruction. Extensive experiments on five benchmark datasets-Kvasir-SEG, CVC-ClinicDB, CVC-ColonDB, CVC-300, and ETIS-show that CL-Polyp consistently surpasses state-of-the-art methods. Specifically, it enhances the IoU metric by 0.011 and 0.020 on the Kvasir-SEG and CVC-ClinicDB datasets, respectively, demonstrating its effectiveness in clinical polyp segmentation.
Abstract（参考訳）: 大腸内視鏡像からのポリープの正確な分画は早期大腸癌の診断と治療に不可欠である。既存のディープラーニングベースのポリプセグメンテーションメソッドの多くはEncoder-Decoderアーキテクチャを採用しており、セグメンテーションを改善するために分類のような補助的なタスクを組み込んだマルチタスクフレームワークを使用している。しかし、これらの手法はラベル付きデータを必要とすることが多く、タスクの類似性に依存し、一般化可能性を制限する可能性がある。これらの課題に対処するために, CL-Polypを提案する。本手法は,ポリプ画像から正と負のサンプルペアを対比することにより,エンコーダの識別特徴抽出を強化するために,コントラスト学習を用いる。この自己教師型戦略は、追加のアノテーションを必要とせずに視覚的表現を改善する。また,MASPPモジュールとChannel Concatenate and Element Add (CA)モジュールの2つのモジュールを導入し,低レベルおよび高サンプリング機能を組み合わせた<enhanced>境界再構成を行った。 Kvasir-SEG、CVC-ClinicDB、CVC-ColonDB、CVC-300、ETIS-Showの5つのベンチマークデータセットに対する大規模な実験により、CL-Polypは一貫して最先端の手法を超越している。具体的には、Kvasir-SEGデータセットとCVC-ClinicDBデータセットにおいて、IoUメトリックを0.011と0.020で拡張し、臨床ポリープセグメンテーションにおけるその効果を示す。

関連論文リスト

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)
Multi-scale Information Sharing and Selection Network with Boundary Attention for Polyp Segmentation [10.152504573356413]
本稿では,多目的セグメンテーションタスクのためのマルチスケール情報共有選択ネットワーク(MISNet)を提案する。 5つのpolypセグメンテーションデータセットの実験により、MISNetはセグメンテーション結果の精度と明確性を改善した。
論文参考訳（メタデータ） (2024-05-18T02:48:39Z)
ECC-PolypDet: Enhanced CenterNet with Contrastive Learning for Automatic Polyp Detection [88.4359020192429]
既存の手法では、計算コストのかかるコンテキストアグリゲーションが伴うか、ポリープの事前モデリングが欠如しているため、難解なケースでは性能が低下する。本稿では,2段階のトレーニングとエンドツーエンド推論フレームワークである Enhanced CenterNet with Contrastive Learning (ECC-PolypDet) を提案する。 Box-assisted Contrastive Learning (BCL) は, クラス内差を最小限に抑え, 前庭ポリープと背景のクラス間差を最大化するため, 隠れポリープを捕捉する。微調整段階におけるIoU誘導サンプル再重み付けの導入
論文参考訳（メタデータ） (2024-01-10T07:03:41Z)
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)
Edge-aware Feature Aggregation Network for Polyp Segmentation [38.11584888416297]
本研究では,ポリプセグメンテーションのためのエッジ対応特徴集約ネットワーク(EFA-Net)を提案する。 EFA-Netは、ポリプセグメンテーションの性能を高めるために、クロスレベルとマルチスケールの機能を完全に活用することができる。広く採用されている5つの大腸内視鏡データセットの実験結果から,我々のEFA-Netは,一般化と有効性の観点から,最先端のポリプセグメンテーション法より優れていることが示された。
論文参考訳（メタデータ） (2023-09-19T11:09:38Z)
RaBiT: An Efficient Transformer using Bidirectional Feature Pyramid Network with Reverse Attention for Colon Polyp Segmentation [0.0]
本稿では,軽量トランスフォーマーアーキテクチャをエンコーダに組み込んだエンコーダデコーダモデルであるRaBiTを紹介する。本手法は, トレーニングセットとテストセットが異なる特性を持つ場合であっても, クロスデータセット実験において高い一般化能力を示す。
論文参考訳（メタデータ） (2023-07-12T19:25:10Z)
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)
Adaptive Context Selection for Polyp Segmentation [99.9959901908053]
本稿では,ローカルコンテキストアテンション(LCA)モジュール,グローバルコンテキストモジュール(GCM)モジュール,適応選択モジュール(ASM)モジュールで構成される適応コンテキスト選択に基づくエンコーダデコーダフレームワークを提案する。 LCAモジュールは、エンコーダ層からデコーダ層へローカルなコンテキスト機能を提供する。 GCMは、グローバルなコンテキストの特徴をさらに探求し、デコーダ層に送信することを目的としている。ASMは、チャンネルワイドアテンションを通じて、コンテキスト特徴の適応的選択と集約に使用される。
論文参考訳（メタデータ） (2023-01-12T04:06:44Z)
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)
Enhanced U-Net: A Feature Enhancement Network for Polyp Segmentation [17.8181080354116]
大腸内視鏡画像におけるポリープ分割の精度向上のための特徴拡張ネットワークを提案する。具体的には,semantic feature enhance module (sfem) を用いて意味情報の拡張を行う。提案手法は5つの大腸内視鏡データを用いて評価し,他の最先端モデルと比較して優れた性能を示す。
論文参考訳（メタデータ） (2021-05-03T16:46:26Z)
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。