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

• arxiv url: http://arxiv.org/abs/2508.06816v2
• Date: Mon, 18 Aug 2025 08:28:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 12:43:44.857998
• 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: 皮膚内視鏡像におけるメラノサイトーシスの正確な記述は、自動皮膚がん検診システムにおいて重要な要素である。 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について述べる。 本手法は境界精度と臨床関連セグメンテーション指標を大幅に向上させ,従来のエンコーダ・デコーダベースラインよりも優れていた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lesion segmentation, in contrast to natural scene segmentation, requires handling subtle variations in texture and color, frequent imaging artifacts (such as hairs, rulers, and bubbles), and a critical need for precise boundary localization to aid in accurate diagnosis. The accurate delineation of melanocytic tumors in dermoscopic images is a crucial component of automated skin cancer screening systems and clinical decision support. In this paper, we present a novel dual-resolution architecture inspired by ResNet, specifically tailored for the segmentation of melanocytic tumors. Our approach incorporates a high-resolution stream that preserves fine boundary details, alongside a complementary pooled stream that captures multi-scale contextual information for robust lesion recognition. These two streams are closely integrated through boundary-aware residual connections, which inject edge information into deep feature maps, and a channel attention mechanism that adapts the model's sensitivity to color and texture variations in dermoscopic images. To tackle common imaging artifacts and the challenges posed by small clinical datasets, we introduce a lightweight artifact suppression block and a multi-task training strategy. This strategy combines the Dice-Tversky loss with an explicit boundary loss and a contrastive regularizer to enhance feature stability. This unified design enables the model to generate pixel-accurate segmentation masks without the need for extensive post-processing or complex pre-training. Extensive evaluation on public dermoscopic benchmarks reveals that our method significantly enhances boundary precision and clinically relevant segmentation metrics, outperforming traditional encoder-decoder baselines. This makes our approach a valuable component for building automated melanoma assessment systems.
• Abstract（参考訳）: 病変のセグメンテーションは、自然のシーンセグメンテーションとは対照的に、テクスチャと色彩の微妙な変化、頻繁なイメージングアーティファクト(毛髪、定規、泡など)、正確な境界位置の特定が正確な診断に不可欠である。 皮膚内視鏡像におけるメラノサイトーシスの正確な記述は、自動皮膚がん検診システムと臨床診断支援の重要な構成要素である。 本稿では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について述べる。 提案手法では, 高精細な境界情報を保持する高精細なストリームと, 複数スケールのコンテキスト情報を捕捉し, 堅牢な病変認識を行う補完的なプールストリームが組み込まれている。 これら2つのストリームは、深い特徴マップにエッジ情報を注入する境界認識残差接続と、皮膚内視鏡画像の色彩やテクスチャの変化に対するモデルの感度に適応するチャネルアテンション機構によって密に統合される。 一般的な画像アーティファクトと,小さな臨床データセットによる課題に対処するために,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戦略を導入する。 この戦略は、Dice-Tversky損失と明確な境界損失と、特徴安定性を高めるために対照的な正則化器を組み合わせる。 この統一設計により、広範囲な後処理や複雑な事前訓練を必要とせず、ピクセル精度の高いセグメンテーションマスクを生成することができる。 従来のエンコーダ・デコーダの基準値よりも高い精度, 臨床的に有意なセグメンテーション指標が得られた。 これにより、我々のアプローチは、自動メラノーマアセスメントシステムを構築する上で貴重な要素となる。

関連論文リスト

• 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)
• 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)
• 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。