論文の概要: Hybrid(Transformer+CNN)-based Polyp Segmentation

• arxiv url: http://arxiv.org/abs/2508.09189v1
• Date: Fri, 08 Aug 2025 01:42:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 20:42:00.594386
• Title: Hybrid(Transformer+CNN)-based Polyp Segmentation
• Title（参考訳）: ハイブリッド(Transformer+CNN)ベースのポリプセグメンテーション
• Authors: Madan Baduwal,
• Abstract要約: 大腸内視鏡は依然として大腸ポリープの検出と分画の主要な方法である。 U-Netなどのディープラーニングネットワークの最近の進歩は,ポリプセグメンテーションにおいて顕著な性能を発揮している。 本稿では,ポリプ特性の進化に対するロバスト性向上を目的としたハイブリッドモデル(Transformer + CNN)を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Colonoscopy is still the main method of detection and segmentation of colonic polyps, and recent advancements in deep learning networks such as U-Net, ResUNet, Swin-UNet, and PraNet have made outstanding performance in polyp segmentation. Yet, the problem is extremely challenging due to high variation in size, shape, endoscopy types, lighting, imaging protocols, and ill-defined boundaries (fluid, folds) of the polyps, rendering accurate segmentation a challenging and problematic task. To address these critical challenges in polyp segmentation, we introduce a hybrid (Transformer + CNN) model that is crafted to enhance robustness against evolving polyp characteristics. Our hybrid architecture demonstrates superior performance over existing solutions, particularly in addressing two critical challenges: (1) accurate segmentation of polyps with ill-defined margins through boundary-aware attention mechanisms, and (2) robust feature extraction in the presence of common endoscopic artifacts, including specular highlights, motion blur, and fluid occlusions. Quantitative evaluations reveal significant improvements in segmentation accuracy (Recall improved by 1.76%, i.e., 0.9555, accuracy improved by 0.07%, i.e., 0.9849) and artifact resilience compared to state-of-the-art polyp segmentation methods.
• Abstract（参考訳）: 大腸内視鏡は依然として大腸ポリープの検出とセグメンテーションの主要な方法であり、近年のU-Net, ResUNet, Swin-UNet, PraNetなどのディープラーニングネットワークの進歩は、ポリープセグメンテーションにおいて顕著な性能を発揮している。 しかし、この問題は、サイズ、形状、内視鏡タイプ、照明、撮像プロトコル、ポリプの未定義の境界(流体、折り目)の高度にばらつきがあり、正確なセグメンテーションは困難な課題である。 ポリプセグメンテーションにおけるこれらの重要な課題に対処するために,ポリプ特性の進化に対するロバスト性を高めるために,ハイブリッドモデル(Transformer + CNN)を導入する。 筆者らのハイブリッドアーキテクチャは, 既存のソリューションよりも優れた性能を示し, とくに, 1) 境界認識型注意機構による不明確なマージンを持つポリープの正確なセグメンテーション, (2) 可視的ハイライト, 運動ぼけ, 流体閉塞などの一般的な内視鏡的アーティファクトの存在下でのロバストな特徴抽出という2つの重要な課題に対処する。 定量評価により, セグメンテーション精度は1.76%, 0.9555, 精度は0.07%, 0.9849, アーティファクトレジリエンスは最先端のポリプセグメンテーション法に比べて大幅に向上した。

関連論文リスト

• Mamba Guided Boundary Prior Matters: A New Perspective for Generalized Polyp Segmentation [3.075778955462259]
  大腸癌の早期発見と診断には大腸内視鏡像のポリープ分画が重要である。 本稿では,ロバストなポリープセグメンテーションのための画期的なアプローチであるSAM-MaGuPを提案する。 SAM(Segment Anything Model)に境界蒸留モジュールと1D-2Dマンバアダプタを組み込むことで、SAM-MaGuPは弱い境界問題の解決に優れる。 我々の重要な革新、マンバ誘導境界と1D-2Dマンバブロックは、フィールドに新しいベンチマークを設定し、ポリープセグメンテーションの境界を新しい高さに押し上げた。
  論文  参考訳（メタデータ） (2025-07-02T09:16:58Z)
• 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)
• 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)
• 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)
• BoxPolyp:Boost Generalized Polyp Segmentation Using Extra Coarse Bounding Box Annotations [79.17754846553866]
  我々は、正確なマスクと余分な粗いボックスアノテーションをフル活用するための強化されたBoxPolypモデルを提案する。 実際には、従来のポリプセグメンテーションモデルの過度に適合する問題を緩和するためにボックスアノテーションが適用される。 提案手法は従来の最先端手法よりも大きなマージンで優れていた。
  論文  参考訳（メタデータ） (2022-12-07T07:45:50Z)
• AG-CUResNeSt: A Novel Method for Colon Polyp Segmentation [0.0]
  本稿では、ロバストなResNeStバックボーンとアテンションゲートを用いて結合ユニセットを強化するAG-CUResNeStと呼ばれる新しいニューラルネットワークアーキテクチャを提案する。 提案手法は既存手法と比較して最先端の精度を実現する。
  論文  参考訳（メタデータ） (2021-05-02T06:36:36Z)
• A Deep Convolutional Neural Network for the Detection of Polyps in Colonoscopy Images [12.618653234201089]
  大腸内視鏡画像中のポリープをコンピュータで検出するディープ畳み込みニューラルネットワークモデルを提案する。 光度計や幾何歪みなどのデータ拡張技術は、ポリープ検出で直面する障害を克服するために適応される。
  論文  参考訳（メタデータ） (2020-08-15T13:55:44Z)
• 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。