抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
UNetとTransUNetのような最新の拡張は,近年,主要な医用画像セグメンテーション法であった。しかし,これらのネットワークは,それらがパラメータ-重,計算的に複雑で,使用が遅いので,ポイントオブケアアプリケーションにおける迅速な画像セグメンテーションのために効果的に採用できない。この目的のために,画像セグメンテーションのための畳込み多層パーセプトロン(MLP)ベースネットワークであるUNEXtを提案した。著者らは,初期畳み込み段階と潜在段階におけるMLP段階を有する効果的な方法でUNEXtを設計した。ここでは,畳み込み特徴を効率よくトークン化し,投影し,MLPを用いて表現をモデル化するために,トークン化MLPブロックを提案した。性能をさらに高めるため,MLPに供給しながら入力のチャネルをシフトさせ,局所依存性を学習する。潜在空間におけるトークン化MLPの使用は,パラメータ数と計算量を減らし,一方,セグメンテーションを助けるためのより良い表現をもたらすことができる。ネットワークはまた,様々なレベルの符号器と復号器の間のスキップ接続から成る。著者らは,複数の医用画像セグメンテーションデータセットに関するUNEXtをテストして,著者らは,72xによってパラメータの数を減らして,68xによって計算複雑性を減少して,また,最先端の医用画像分割アーキテクチャに関してより良い分割性能を得る間,この推論速度を10xまで改善することを示した。コードはhttps://github.com/jeya maria jose/UNeXt pytorchで利用可能である。【JST・京大機械翻訳】