論文の概要: DualResolution Residual Architecture with Artifact Suppression for Melanocytic Lesion Segmentation

• arxiv url: http://arxiv.org/abs/2508.06816v1
• Date: Sat, 09 Aug 2025 04:30:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:28.562109
• Title: DualResolution Residual Architecture with Artifact Suppression for Melanocytic Lesion Segmentation
• Title（参考訳）: メラノサイト性病変分節症に対するアーチファクト抑制によるデュアルリゾリューション残基構造
• Authors: Vikram Singh, Kabir Malhotra, Rohan Desai, Ananya Shankaracharya, Priyadarshini Chatterjee, Krishnan Menon Iyer,
• Abstract要約: メラノサイト腫瘍セグメンテーションに特化して設計されたResNetにインスパイアされた新しいデュアルレゾリューションアーキテクチャであるOur法を紹介する。 本手法は, 細粒度境界情報を保存した完全分解能ストリームを維持し, プールストリームは, 頑健な病変認識のために, 複数スケールのコンテキストキューを集約する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate segmentation of melanocytic tumors in dermoscopic images is a critical step for automated skin cancer screening and clinical decision support. Unlike natural scene segmentation, lesion delineation must reconcile subtle texture and color variations, frequent artifacts (hairs, rulers, bubbles), and a strong need for precise boundary localization to support downstream diagnosis. In this paper we introduce Our method, a novel ResNet inspired dual resolution architecture specifically designed for melanocytic tumor segmentation. Our method maintains a full resolution stream that preserves fine grained boundary information while a complementary pooled stream aggregates multi scale contextual cues for robust lesion recognition. The streams are tightly coupled by boundary aware residual connections that inject high frequency edge information into deep feature maps, and by a channel attention module that adapts color and texture sensitivity to dermoscopic appearance. To further address common imaging artifacts and the limited size of clinical datasets, we propose a lightweight artifact suppression block and a multi task training objective that combines a Dice Tversky segmentation loss with an explicit boundary loss and a contrastive regularizer for feature stability. The combined design yields pixel accurate masks without requiring heavy post processing or complex pre training protocols. Extensive experiments on public dermoscopic benchmarks demonstrate that Our method significantly improves boundary adherence and clinically relevant segmentation metrics compared to standard encoder decoder baselines, making it a practical building block for automated melanoma assessment systems.
• Abstract（参考訳）: 皮膚内視鏡像におけるメラノサイトーシスの正確な分画は,皮膚がん検診と臨床診断支援にとって重要なステップである。 自然のシーンセグメンテーションとは異なり、病変のデライン化は微妙なテクスチャや色の変化、頻繁なアーティファクト(髪、支配者、泡)、下流の診断をサポートするための正確な境界位置決めの強い必要性を調整しなければならない。 本稿では,新しいResNetにインスパイアされた,メラノサイト腫瘍セグメンテーション用に設計されたデュアル解像度アーキテクチャであるOur法を紹介する。 提案手法は, 微細な境界情報を保存した完全分解能ストリームを維持し, 相補的なプールストリームは, 頑健な病変認識のために, 複数スケールのコンテキストキューを集約する。 ストリームは、深い特徴マップに高周波エッジ情報を注入する境界認識残差接続と、皮膚の外観に色やテクスチャの感度を適応するチャネルアテンションモジュールによって密結合される。 そこで本稿では,Dice Tverskyセグメンテーション損失と明示的な境界損失と特徴安定のための対照的な正則化を併用した,軽量なアーティファクト抑制ブロックとマルチタスクトレーニング目標を提案する。 組み合わせた設計では、重いポストプロセッシングや複雑な事前訓練プロトコルを必要とせずに、ピクセルの正確なマスクが得られる。 本手法は, 標準エンコーダデコーダベースラインと比較して, 境界付着度と臨床関連セグメンテーション指標を有意に改善し, メラノーマ自動評価システムのための実用的なビルディングブロックであることを示す。

関連論文リスト

• Structure-constrained Language-informed Diffusion Model for Unpaired Low-dose Computed Tomography Angiography Reconstruction [72.80209358480424]
  ヨウ素化コントラスト培地(ICM)の過剰摂取は、腎臓の損傷と致命的なアレルギー反応を引き起こす。 深層学習法は、低線量ICMから正常線量ICMのCT画像を生成することができ、必要な線量を減らすことができる。 本研究では,構造シナジーと空間知性を統合した構造制約型言語情報拡散モデル(SLDM)を提案する。
  論文  参考訳（メタデータ） (2026-01-28T06:54:06Z)
• Multimodal system for skin cancer detection [0.764671395172401]
  本研究では,従来の画像を用いたマルチモーダルメラノーマ検出システムを提案する。 画像とメタデータ処理を組み合わせたマルチモーダルニューラルネットワークを採用し、メタデータの有無に関わらず2ステップモデルをサポートする。 3段階のパイプラインは、アルゴリズムの強化とパフォーマンスの向上によって予測をさらに洗練する。
  論文  参考訳（メタデータ） (2026-01-21T09:50:13Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• Effective Attention-Guided Multi-Scale Medical Network for Skin Lesion Segmentation [12.606268951019965]
  本稿では,マルチスケール残差構造に基づく革新的なエンコーダ・デコーダネットワークアーキテクチャを提案する。 MRCF (Multi-Resolution Multi-Channel Fusion) モジュールの導入により, クロススケールな特徴を捉え, 抽出した情報の明瞭度と精度を向上させる。 また、注意範囲を再定義し、複数のコンテキストにまたがる重みを動的に計算するCross-Mix Attention Module (CMAM)を提案する。
  論文  参考訳（メタデータ） (2025-12-08T08:15:39Z)
• Deeply Dual Supervised learning for melanoma recognition [0.0]
  悪性黒色腫の診断は注目され,診断精度が向上する可能性が示唆された。 本稿では,局所的特徴抽出とグローバルな特徴抽出を統合し,メラノーマ認識を向上させる新しいDeeply Dual Supervised Learningフレームワークを提案する。 われわれのフレームワークはメラノーマ検出における最先端の手法よりも優れており, 精度が高く, 偽陽性に対するレジリエンスも良好である。
  論文  参考訳（メタデータ） (2025-08-04T02:22:26Z)
• Lightweight Relational Embedding in Task-Interpolated Few-Shot Networks for Enhanced Gastrointestinal Disease Classification [0.0]
  大腸癌の検出は、患者の生存率を高めるために重要である。 大腸内視鏡は、適切な高品質の内視鏡画像を取得することに依存する。 Few-Shot Learning アーキテクチャにより、我々のモデルは、目に見えないきめ細かな内視鏡画像パターンに迅速に適応できる。 精度は90.1%,精度は0.845,リコールは0.942,F1スコアは0.891であった。
  論文  参考訳（メタデータ） (2025-05-30T16:54:51Z)
• PINN-EMFNet: PINN-based and Enhanced Multi-Scale Feature Fusion Network for Breast Ultrasound Images Segmentation [5.246262946799736]
  本研究では,PINNに基づくマルチスケール機能融合ネットワークを提案する。 ネットワークは、いくつかの構造的革新を通じて、効率的に統合し、グローバルにマルチスケールの機能をモデル化する。 このデコーダ部では,マルチスケール・フィーチャー・リファインメント・デコーダが採用され,マルチスケール・スーパービジョン機構と修正モジュールを組み合わせることで,セグメンテーション精度と適応性を大幅に向上する。
  論文  参考訳（メタデータ） (2024-12-22T09:16:00Z)
• Quantum-enhanced unsupervised image segmentation for medical images analysis [2.1485350418225244]
  乳がんは、世界中で女性のがん関連死亡の原因となっている。 人工知能を用いたイメージセグメンテーションは、このワークフローを合理化するための有望な代替手段を提供する。 マンモグラフィーの医用画像セグメンテーションのための第1のエンドツーエンド量子拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-22T17:28:07Z)
• Semi- and Weakly-Supervised Learning for Mammogram Mass Segmentation with Limited Annotations [49.33388736227072]
  本稿では,マスセグメンテーションのための半弱教師付き学習フレームワークを提案する。 良好な性能を得るために, 限られた強ラベルのサンプルと十分な弱ラベルのサンプルを用いる。 CBIS-DDSMおよびINbreastデータセットを用いた実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-03-14T12:05:25Z)
• AMLP:Adaptive Masking Lesion Patches for Self-supervised Medical Image Segmentation [67.97926983664676]
  自己監督型マスク画像モデリングは自然画像に対して有望な結果を示した。 しかし,このような手法を医用画像に直接適用することは依然として困難である。 適応型マスキング病変パッチ(AMLP)の自己管理型医用画像分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-08T13:18:10Z)
• Fearless Luminance Adaptation: A Macro-Micro-Hierarchical Transformer for Exposure Correction [65.5397271106534]
  単一のニューラルネットワークは、すべての露光問題に対処することが難しい。 特に、コンボリューションは、極端に過度に露出した領域における忠実な色や詳細を復元する能力を妨げる。 本稿では,マクロマイクロ階層変換器を提案する。マクロマイクロ階層変換器は,長距離依存を捉えるマクロアテンション,局所特徴を抽出するマイクロアテンション,粗大な修正のための階層構造を提案する。
  論文  参考訳（メタデータ） (2023-09-02T09:07:36Z)
• 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)
• Mixed-UNet: Refined Class Activation Mapping for Weakly-Supervised Semantic Segmentation with Multi-scale Inference [28.409679398886304]
  我々は、デコードフェーズに2つの並列分岐を持つMixed-UNetという新しいモデルを開発する。 地域病院や公開データセットから収集したデータセットに対して,いくつかの一般的なディープラーニングに基づくセグメンテーションアプローチに対して,設計したMixed-UNetを評価した。
  論文  参考訳（メタデータ） (2022-05-06T08:37:02Z)
• Negligible effect of brain MRI data preprocessing for tumor segmentation [36.89606202543839]
  我々は3つの公開データセットの実験を行い、ディープニューラルネットワークにおける異なる前処理ステップの効果を評価する。 その結果、最も一般的な標準化手順は、ネットワーク性能に何の価値も与えないことが示されている。 画像の規格化に伴う信号分散の低減のため,画像強度正規化手法はモデル精度に寄与しない。
  論文  参考訳（メタデータ） (2022-04-11T17:29:36Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• NuI-Go: Recursive Non-Local Encoder-Decoder Network for Retinal Image Non-Uniform Illumination Removal [96.12120000492962]
  網膜画像の画質は、眼の病変や不完全な画像処理のために臨床的に不満足であることが多い。 網膜画像における最も難しい品質劣化問題の1つは、一様でない照明である。 我々はNuI-Goと呼ばれる網膜画像に対する均一でない照明除去ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-08-07T04:31:33Z)
• Complementary Network with Adaptive Receptive Fields for Melanoma Segmentation [22.069817721081844]
  既存の手法はホールに悩まされ、セグメンテーション性能に制限のある問題を縮小する。 メラノーマ病変を検出する前景ネットワークと,非メラノーマ領域をマスクする背景ネットワークを導入する。 本手法は,最先端メラノーマセグメンテーション法と比較して,86.4%のダイスコ効率を実現し,優れた性能を示す。
  論文  参考訳（メタデータ） (2020-01-12T09:20:36Z)

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。