DCSAU-Net:医用画像セグメンテーションのためのより深いよりコンパクトな分割-注意U-Net【JST・京大機械翻訳】

Xu Qing; Ma Zhicheng; HE Na; Duan Wenting

プレプリント

J-GLOBAL ID：202202211902551846 整理番号：22P0283584

DCSAU-Net:医用画像セグメンテーションのためのより深いよりコンパクトな分割-注意U-Net【JST・京大機械翻訳】

DCSAU-Net: A Deeper and More Compact Split-Attention U-Net for Medical Image Segmentation

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 (4件)： , , ,
資料名：
発行年： 2022年02月02日プレプリントサーバーでの情報更新日： 2022年09月24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)

畳み込みニューラルネットワーク(CNN)による深層学習アーキテクチャはコンピュータビジョンの分野で優れた成功を達成する。U-Netでは,CNNにより構造化された符号器デコーダアーキテクチャは,生物医学画像セグメンテーションにおいて大きなブレークスルーをし,広範囲の実用的シナリオで応用されている。しかしながら,符号器部分と単純積層畳込みにおけるあらゆるダウンサンプリング層の等しい設計は,U-Netが異なった深さから特徴の十分な情報を抽出することを可能にしない。医用画像の複雑性の増加は,既存の方法に新しい挑戦をもたらす。本論文では,2つの新しいフレームワーク,すなわち,一次特徴保存とコンパクトなスプリットアテンションブロックに基づく低レベルで高レベルの意味情報を効率的に利用する,より深くてよりコンパクトなスプリットアテンションu型ネットワーク(DCSAU-Net)を提案した。CVC-ClinDB,2018データ科学Bowl,ISIC-2018およびSegPC-2021データセットに関する提案モデルを評価した。その結果,DCSAU-Netは,平均区間(mIoU)とF1-socreに関して,他の最新技術(SOTA)法よりも優れた性能を示した。さらに,提案モデルは,挑戦的な画像上で優れたセグメンテーション性能を示した。本研究のコードとより技術的詳細をhttps://github.com/xq141839/DCSAU Netで見つけることができる。【JST・京大機械翻訳】

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

人工知能 , パターン認識

, ,

前のページに戻る