polyp segmentation | BriefGPT

关键词polyp segmentation

搜索结果 - 52

MMDilatedSegNet: 一种用于息肉分割的深度扩张分割网络
该研究论文利用深度学习技术提出一种新颖的实时结构化模型 ——DilatedSegNet，可用于肠镜检查中息肉分割，其平均 dice coefficient 为 0.90，mIoU 为 0.83，其结果表明该模型具有以实现实时反馈为主导且保留
PDF2 years ago
ACLLAPFormer: 一个轻量且准确的息肉分割 Transformer
本文介绍了一种新型的编码器 - 解码器结构的 LAPFormer 模型，使用分层 Transformer 编码器来提取全局特征，并结合了用于捕获息肉局部外观的 CNN 解码器，包括渐进特征融合模块，特征细化模块和特征选择模块来处理特征，模型
PDF2 years ago
ColonFormer：一种高效的基于 Transformer 的结肠息肉分割方法
该研究提出了一种名为 ColonFormer 的编码器 - 解码器网络架构，以增强多级特征表示，并在全局地图内精确分割息肉对象，优于其他先进方法，适用于内镜图像在临床支持系统中的自动分析。
PDF2 years ago
逐步特征融合：局部指导全局
本文介绍了一种用于医学图像分割的新型深度学习模型 SSFormer，该模型使用了金字塔 Transformer 编码器来改进模型的泛化能力，提高了模型的学习和推广表现。
PDF2 years ago
GMSRF-Net：面向息肉分割的全局多尺度残差融合网络的改进泛化能力
本文提出了一种应用全局多尺度残差融合网络（GMSRF-Net）进行息肉分割的方法，通过交叉多尺度的注意力和多尺度特征选择模块，增强了网络的泛化能力，在两个不同的息肉分割数据集上，该方法相较之前最优的方法提高了 8.34％和 10.31％的
PDF3 years ago
Polyp-PVT：金字塔视觉变换器用于息肉分割
本文提出了基于 Transformer 编码器、三个标准模块（包括串级融合模块，伪装识别模块和相似聚合模块）的息肉分割方法，名为 Polyp-PVT。实验结果表明，该方法在人口学多样性、外观变化，甚至缺失数据方面都具有较好的鲁棒性。
PDF3 years ago
浅层注意力网络用于息肉分割
通过设计颜色交换操作，浅层注意力模块和概率矫正策略等方法，我们提出了用于息肉分割的 Shallow Attention Network（SANet），实验证明其在五个具有挑战性的基准测试上都比当前最先进的方法表现更好，并且速度约为 72FP
PDF3 years ago
NeoUNet: 针对结肠息肉分割和新生物检测的准确性
本文提出了基于 UNet 架构的 NeouNet 模型以及混合损失函数，针对息肉分割问题提出了一种细粒度的解决方案，旨在高精度地识别高恶性风险的息肉。实验证明，与现有息肉分割模型相比，NeouNet 在基准数据集上取得了竞争力的结果。
PDF3 years ago
MMUACANet：用于息肉分割的不确定性增强上下文注意力网络
提出了 Uncertainty Augmented Context Attention 网络（UACANet），用于息肉分割。在该网络中，考虑到显著图的不确定区域，并构建了一个具有附加编码器和解码器的 U-Net 形状网络的改进版本，并在每
PDF3 years ago
HarDNet-MSEG: 一个简单的编码器 - 解码器多形状分割神经网络，达到超过 0.9 的平均 Dice 指数和 86 FPS
本研究提出了一种名为 HarDNet-MSEG 的新型卷积神经网络，用于息肉分割，其在五个流行数据集上均实现了 SOTA，对于 Kvasir-SEG，HarDNet-MSEG 在 GeForce RTX 2080 Ti GPU 上以 86.
PDF3 years ago
DDANet：自动息肉分割的双解码注意力网络
本文提出了一种基于双解码器注意力网络的新型架构 DDANet，通过在 Kvasir-SEG 数据集上训练并在一个未见数据集上测试，达到了 0.7874 的 Dice 系数，0.7010 的 mIoU、0.7987 的召回率和 0.8577
PDF4 years ago
PraNet: 并行反向注意力网络用于息肉分割
本文提出了一种基于反向注意力网络（PraNet）的用于结肠镜图像中结肠息肉准确分割的方法。在两种主要困难的挑战下，PraNet 通过并行反向注意力模块和部分的解码器提供了更准确的分割结果，并在五个数据集上进行了评估。
PDF4 years ago