論文の概要: MPCGNet: A Multiscale Feature Extraction and Progressive Feature Aggregation Network Using Coupling Gates for Polyp Segmentation

• arxiv url: http://arxiv.org/abs/2511.11032v1
• Date: Fri, 14 Nov 2025 07:37:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-17 22:42:18.480531
• Title: MPCGNet: A Multiscale Feature Extraction and Progressive Feature Aggregation Network Using Coupling Gates for Polyp Segmentation
• Title（参考訳）: MPCGNet:ポリプセグメンテーションのためのカップリングゲートを用いたマルチスケール特徴抽出とプログレッシブ特徴集約ネットワーク
• Authors: Wei Wang, Feng Jiang, Xin Wang,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 10.874383819219863
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic segmentation methods of polyps is crucial for assisting doctors in colorectal polyp screening and cancer diagnosis. Despite the progress made by existing methods, polyp segmentation faces several challenges: (1) small-sized polyps are prone to being missed during identification, (2) the boundaries between polyps and the surrounding environment are often ambiguous, (3) noise in colonoscopy images, caused by uneven lighting and other factors, affects segmentation results. To address these challenges, this paper introduces coupling gates as components in specific modules to filter noise and perform feature importance selection. Three modules are proposed: the coupling gates multiscale feature extraction (CGMFE) module, which effectively extracts local features and suppresses noise; the windows cross attention (WCAD) decoder module, which restores details after capturing the precise location of polyps; and the decoder feature aggregation (DFA) module, which progressively aggregates features, further extracts them, and performs feature importance selection to reduce the loss of small-sized polyps. Experimental results demonstrate that MPCGNet outperforms recent networks, with mDice scores 2.20% and 0.68% higher than the second-best network on the ETIS-LaribPolypDB and CVC-ColonDB datasets, respectively.
• Abstract（参考訳）: 大腸ポリープ検診や癌診断において,ポリープの自動分別法は医師を支援する上で重要である。 従来の方法の進歩にもかかわらず,(1) 小型のポリープは識別時に見逃される傾向があり,(2) ポリープと周辺環境の境界は曖昧であることが多い。 これらの課題に対処するために,特定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,特徴量の選択を行う。 局所的な特徴を効果的に抽出しノイズを抑制する結合ゲートマルチスケール特徴抽出(CGMFE)モジュール,ポリプの正確な位置を捉えて詳細を復元するウィンドウクロスアテンション(WCAD)デコーダモジュール,特徴を徐々に集約し,さらに抽出するデコーダ特徴集約(DFA)モジュール,そして小型ポリプの損失を低減するために特徴重要選択を行う。 実験の結果、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%、0.68%高い。

関連論文リスト

• CMFDNet: Cross-Mamba and Feature Discovery Network for Polyp Segmentation [12.470058138730806]
  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。
  論文  参考訳（メタデータ） (2025-08-25T07:12:00Z)
• EPPS: Advanced Polyp Segmentation via Edge Information Injection and Selective Feature Decoupling [5.453850739960517]
  We propose a novel model named Edge-Prioritized Polyp (EPPS)。 具体的には,ポリプのエッジを正確に抽出することを目的としたエッジマッピングエンジン(EME)を組み込んだ。 また,Selective Feature Decoupler (SFD) と呼ばれるコンポーネントを導入し,モデルに対するノイズや外的特徴の影響を抑える。
  論文  参考訳（メタデータ） (2024-05-20T07:41:04Z)
• M3FPolypSegNet: Segmentation Network with Multi-frequency Feature Fusion for Polyp Localization in Colonoscopy Images [1.389360509566256]
  M3FPolypSegNet (M3FPolypSegNet) は、入力画像を低周波数成分/高周波数成分に分解する。 我々は3つの独立したマルチ周波数エンコーダを用いて、複数の入力画像を高次元の特徴空間にマッピングした。 我々は,4つのデコーダブロックで3つのマルチタスク学習(領域,エッジ,距離)を設計し,その領域の構造的特徴を学習した。
  論文  参考訳（メタデータ） (2023-10-09T09:01:53Z)
• 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)
• 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。