DCELANM-Net:Medical Image Segmentation based on Dual Channel Efficient Layer Aggregation Network with Learner

要約

タイトル：DCELANM-Net：Learnerを備えた二重チャネル効率的レイヤー集約ネットワークに基づく医療画像セグメンテーション

要約：

– DCELANM-Netは、二重チャネル効率的レイヤー集約ネットワーク（DCELAN）とマイクロマスクオートエンコーダ（Micro-MAE）を巧みに組み合わせたモデルである。
– DCELANは、ネットワーク構造を深めることで、特徴がより効果的に適合され、より正確にローカル特徴情報を位置付けることができる。また、ネットワーク構造を広げて残余接続を改善することで、各層のチャネルの利用も効果的に改善される。
– モデルの学習者としてMicro-MAEを採用し、方法論が直截であるだけでなく、自己監督学習法を提供するため、モデルにとって非常に拡張性が高い。

要約(オリジナル)

The DCELANM-Net structure, which this article offers, is a model that ingeniously combines a Dual Channel Efficient Layer Aggregation Network (DCELAN) and a Micro Masked Autoencoder (Micro-MAE). On the one hand, for the DCELAN, the features are more effectively fitted by deepening the network structure; the deeper network can successfully learn and fuse the features, which can more accurately locate the local feature information; and the utilization of each layer of channels is more effectively improved by widening the network structure and residual connections. We adopted Micro-MAE as the learner of the model. In addition to being straightforward in its methodology, it also offers a self-supervised learning method, which has the benefit of being incredibly scaleable for the model.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI