論文の概要: CMFDNet: Cross-Mamba and Feature Discovery Network for Polyp Segmentation
- arxiv url: http://arxiv.org/abs/2508.17729v1
- Date: Mon, 25 Aug 2025 07:12:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-26 18:43:45.670677
- Title: CMFDNet: Cross-Mamba and Feature Discovery Network for Polyp Segmentation
- Title（参考訳）: CMFDNet:ポリプセグメンテーションのためのクロスマンバと特徴発見ネットワーク
- Authors: Feng Jiang, Zongfei Zhang, Xin Xu,
- Abstract要約: 自動大腸ポリープセグメンテーションのための革新的アーキテクチャCMFDNetが提案されている。
CMFDNetはCMDモジュール、MSAモジュール、FDモジュールで提案されている。
実験の結果,CMFDNetは6つのSOTA法より優れていることがわかった。
- 参考スコア（独自算出の注目度）: 12.470058138730806
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated colonic polyp segmentation is crucial for assisting doctors in screening of precancerous polyps and diagnosis of colorectal neoplasms. Although existing methods have achieved promising results, polyp segmentation remains hindered by the following limitations,including: (1) significant variation in polyp shapes and sizes, (2) indistinct boundaries between polyps and adjacent tissues, and (3) small-sized polyps are easily overlooked during the segmentation process. Driven by these practical difficulties, an innovative architecture, CMFDNet, is proposed with the CMD module, MSA module, and FD module. The CMD module, serving as an innovative decoder, introduces a cross-scanning method to reduce blurry boundaries. The MSA module adopts a multi-branch parallel structure to enhance the recognition ability for polyps with diverse geometries and scale distributions. The FD module establishes dependencies among all decoder features to alleviate the under-detection of polyps with small-scale features. Experimental results show that CMFDNet outperforms six SOTA methods used for comparison, especially on ETIS and ColonDB datasets, where mDice scores exceed the best SOTA method by 1.83% and 1.55%, respectively.
- Abstract（参考訳）: 大腸ポリープ自動分画は,前立腺ポリープのスクリーニングと大腸癌の診断において,医師の支援に不可欠である。
既存の方法では有望な結果が得られたが, 1) ポリープの形状や大きさの顕著な変化, (2) ポリープと隣接する組織の境界線, (3) 小さめのポリープは, セグメンテーションの過程で容易に見落としてしまうなど, ポリープのセグメンテーションには障害が残っている。
これらの現実的な困難により、CMFDNetと呼ばれる革新的なアーキテクチャがCMDモジュール、MSAモジュール、FDモジュールによって提案されている。
革新的なデコーダとして機能するCMDモジュールは、ぼやけたバウンダリを減らすためのクロススキャン手法を導入している。
MSAモジュールはマルチブランチ並列構造を採用し、多様なジオメトリとスケール分布を持つポリプの認識能力を高める。
FDモジュールは、すべてのデコーダ機能間の依存関係を確立し、小さな機能を持つポリプのアンダー検出を緩和する。
実験結果から, CMFDNet は, ETIS と ColonDB のデータセットにおいて, 比較に用いる SOTA 法を 6 つのSOTA 法より優れており, mDice スコアが 1.83% と 1.55% を上回っていることがわかった。
関連論文リスト
- GRAFNet: Multiscale Retinal Processing via Guided Cortical Attention Feedback for Enhancing Medical Image Polyp Segmentation [6.834321209531585]
本稿では,人間の視覚システムの階層構造を模倣する生物学的にインスパイアされたアーキテクチャであるGRAFNetを提案する。
GRAFNetは,(1)方向調整された皮質ニューロンをポリプ境界に模倣するガイド非対称注意モジュール(GAAM),(2)平行多機能解析のために網膜神経節細胞経路を複製するマルチスケール網膜モジュール(MSRM),(3)反復精製に予測符号化を適用するガイド非対称注意フィードバックモジュール(GCAFM)の3つの重要なモジュールを統合する。
論文 参考訳（メタデータ） (2026-02-15T17:29:37Z) - MPCGNet: A Multiscale Feature Extraction and Progressive Feature Aggregation Network Using Coupling Gates for Polyp Segmentation [10.874383819219863]
本稿では,特定のモジュールの成分として結合ゲートを導入し,ノイズをフィルタし,特徴選択を行う。
MPCGNetは最近のネットワークより優れており、mDiceのスコアはETIS-LaribPolypDBとCVC-ColonDBデータセットの2番目に高いネットワークよりも2.20%と0.68%高い。
論文 参考訳（メタデータ） (2025-11-14T07:37:24Z) - CL-Polyp: A Contrastive Learning-Enhanced Network for Accurate Polyp Segmentation [2.000434989156371]
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。
論文 参考訳（メタデータ） (2025-07-09T13:07:45Z) - 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) - MNet-SAt: A Multiscale Network with Spatial-enhanced Attention for Segmentation of Polyps in Colonoscopy [0.10995326465245926]
大腸内視鏡画像におけるポリプセグメンテーションのためのMNetSAt(Multiscale Network with spatial-enhanced Attention)を提案する。
このフレームワークには、エッジガイド機能強化(EGFE)、マルチスケール機能集約(MSFA)、空間拡張注意(SEAt)の4つの重要なモジュールが含まれている。
我々は,Kvasir-SEGデータセットとCVC-ClinicDBデータセット上でMNet-SAtを評価し,96.61%,98.60%のDice類似度係数をそれぞれ達成した。
論文 参考訳（メタデータ） (2024-12-27T05:17:29Z) - 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) - 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) - BDG-Net: Boundary Distribution Guided Network for Accurate Polyp
Segmentation [9.175022232984709]
ポリープ切除術は腺腫から腺癌への進行を効果的に阻害することができる。
ポリープの大きさやポリープとその周囲の粘膜の境界が不明瞭であるため、ポリープを正確に分割することは困難である。
正確なポリープ分割のための境界分布誘導ネットワーク(BDG-Net)を設計する。
論文 参考訳（メタデータ） (2022-01-03T17:15:18Z) - Polyp-PVT: Polyp Segmentation with Pyramid Vision Transformers [124.01928050651466]
本稿では,Polyp-PVTと呼ばれる新しいタイプのPolypセグメンテーション手法を提案する。
提案モデルであるPolyp-PVTは,特徴の雑音を効果的に抑制し,その表現能力を大幅に向上させる。
論文 参考訳（メタデータ） (2021-08-16T07:09:06Z) - 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) - 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。