論文の概要: ASGNet: Adaptive Spectrum Guidance Network for Automatic Polyp Segmentation

• arxiv url: http://arxiv.org/abs/2604.14755v1
• Date: Thu, 16 Apr 2026 08:10:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.797872
• Title: ASGNet: Adaptive Spectrum Guidance Network for Automatic Polyp Segmentation
• Title（参考訳）: ASGNet: 自動ポリープセグメンテーションのための適応スペクトル誘導ネットワーク
• Authors: Yanguang Sun, Hengmin Zhang, Jianjun Qian, Jian Yang, Lei Luo,
• Abstract要約: ポリープの早期同定と除去は、大腸癌の発症リスクを減少させる可能性がある。 ポリプの様々な形態、複雑な背景、しばしば隠された性質は大腸内視鏡像におけるポリープのセグメンテーションを極めて困難にしている。 本稿では,空間知覚の限界に対処する適応スペクトル誘導ネットワークASGNetを提案する。
• 参考スコア（独自算出の注目度）: 31.86667278394464
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Early identification and removal of polyps can reduce the risk of developing colorectal cancer. However, the diverse morphologies, complex backgrounds and often concealed nature of polyps make polyp segmentation in colonoscopy images highly challenging. Despite the promising performance of existing deep learning-based polyp segmentation methods, their perceptual capabilities remain biased toward local regions, mainly because of the strong spatial correlations between neighboring pixels in the spatial domain. This limitation makes it difficult to capture the complete polyp structures, ultimately leading to sub-optimal segmentation results. In this paper, we propose a novel adaptive spectrum guidance network, called ASGNet, which addresses the limitations of spatial perception by integrating spectral features with global attributes. Specifically, we first design a spectrum-guided non-local perception module that jointly aggregates local and global information, therefore enhancing the discriminability of polyp structures, and refining their boundaries. Moreover, we introduce a multi-source semantic extractor that integrates rich high-level semantic information to assist in the preliminary localization of polyps. Furthermore, we construct a dense cross-layer interaction decoder that effectively integrates diverse information from different layers and strengthens it to generate high-quality representations for accurate polyp segmentation. Extensive quantitative and qualitative results demonstrate the superiority of our ASGNet approach over 21 state-of-the-art methods across five widely-used polyp segmentation benchmarks. The code will be publicly available at: https://github.com/CSYSI/ASGNet.
• Abstract（参考訳）: ポリープの早期同定と除去は、大腸癌の発症リスクを減少させる可能性がある。 しかし,ポリプの多彩な形態,複雑な背景,しばしば隠れた性質は大腸内視鏡像におけるポリープのセグメンテーションを極めて困難にしている。 既存の深層学習に基づくポリープセグメンテーション手法の有望な性能にもかかわらず、その知覚能力は、主に空間領域内の隣接する画素間の強い空間的相関のために、局所領域に偏っている。 この制限により、完全なポリプ構造を捉えることが難しくなり、最終的には準最適セグメンテーション結果につながる。 本稿では,グローバル属性にスペクトル特徴を統合することで,空間知覚の限界に対処する適応スペクトル誘導ネットワークASGNetを提案する。 具体的には、まず、局所的およびグローバルな情報を共同で集約するスペクトル誘導非局所知覚モジュールを設計し、したがってポリプ構造の識別性を高め、それらの境界を精査する。 さらに,ポリプの予備的局所化を支援するために,リッチなハイレベルな意味情報を統合するマルチソース意味抽出器を導入する。 さらに,多層間相互作用デコーダを構築し,異なる層からの多様な情報を効果的に統合し,精度の高いポリプセグメンテーションのための高品質な表現を生成する。 広範に使用されている5つのポリプセグメンテーションベンチマークにおける21の最先端手法よりもASGNetアプローチの方が優れていることを示す。 コードは、https://github.com/CSYSI/ASGNet.comで公開される。

関連論文リスト

• 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)
• 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)
• Edge-aware Feature Aggregation Network for Polyp Segmentation [38.11584888416297]
  本研究では,ポリプセグメンテーションのためのエッジ対応特徴集約ネットワーク(EFA-Net)を提案する。 EFA-Netは、ポリプセグメンテーションの性能を高めるために、クロスレベルとマルチスケールの機能を完全に活用することができる。 広く採用されている5つの大腸内視鏡データセットの実験結果から,我々のEFA-Netは,一般化と有効性の観点から,最先端のポリプセグメンテーション法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-09-19T11:09:38Z)
• FLDNet: A Foreground-Aware Network for Polyp Segmentation Leveraging Long-Distance Dependencies [1.7623838912231695]
  本研究では,トランスフォーマーに基づくニューラルネットワークであるFLDNetを提案する。 提案手法であるFLDNetは, 一般的なデータセットの7つの指標を用いて評価し, 広く利用されている評価尺度の最先端手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2023-09-12T06:32:42Z)
• 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)
• 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。