UNeXt:MLPベースの高速医用画像セグメンテーションネットワーク【JST・京大機械翻訳】

Valanarasu Jeya Maria Jose; Patel Vishal M.

プレプリント

J-GLOBAL ID：202202211175229006 整理番号：22P0301617

UNeXt:MLPベースの高速医用画像セグメンテーションネットワーク【JST・京大機械翻訳】

UNeXt: MLP-based Rapid Medical Image Segmentation Network

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年03月09日プレプリントサーバーでの情報更新日： 2022年03月09日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

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】

, , , , , , , , , , ,
, , 【Automatic Indexing@JST】

パターン認識 , 医用画像処理

前のページに戻る