Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

MSA2-Net: Utilizing Self-Adaptive Convolution Module to Extract Multi-Scale Information in Medical Image Segmentation

Created by
  • Haebom

作者

Chao Deng, Xiaosen Li, Xiao Qin

概要

本稿では、NnUNetの自動ハイパーパラメータ調整がネットワーク内部のハイパーパラメータ調整を考慮していないため、一般化のパフォーマンスが低下する問題を解決するために、データセットの固有の特徴に基づいて合成積カーネルサイズを動的に調整する自己適応合成積モジュールを提案します。このモジュールはMSA2-NetのMulti-Scale Convolution BridgeとMulti-Scale Amalgamation Decoderに統合され、さまざまなスケールの特徴を効果的に抽出し、さまざまなサイズの臓器の詳細を正確にキャプチャし、正確な医療画像分割結果を提供します. Synapse、ACDC、Kvasir、ISIC2017データセットで、それぞれ86.49％、92.56％、93.37％、92.98％のDice係数を達成し、優れた性能を実証しました。

Takeaways、Limitations

•
Takeaways:
◦
ネットワーク内部ハイパーパラメータの動的調整による医療画像分割性能の向上の可能性の提示
◦
自己適応合成積モジュールを介した各種データセットの堅牢で正確な分割性能の確保
◦
さまざまなサイズの機関の詳細を正確にキャプチャ可能
◦
MSA2-Netの優れた性能をさまざまなデータセットで検証
•
Limitations：
◦
提案モジュールの計算コストとメモリ使用量の分析不足
◦
他の最先端医療画像分割モデルとのより広範な比較実験が必要
◦
自己適応合成積モジュールの一般化性能の追加検証が必要
◦
特定のデータセットに過剰適合する可能性についての考察の欠如
👍
Made with Slashpage