PPM-DeepLab: Módulo de Pirâmide de Pooling como Codificador da rede DeepLabV3+ para Segmentação de Rins, Cistos e Tumores Renais

Caio Eduardo Falcão Matos, M. Oliveira, J. O. B. Diniz, Arthur Guilherme Santos Fernandes, Geraldo Braz Júnior, A. Paiva
{"title":"PPM-DeepLab: Módulo de Pirâmide de Pooling como Codificador da rede DeepLabV3+ para Segmentação de Rins, Cistos e Tumores Renais","authors":"Caio Eduardo Falcão Matos, M. Oliveira, J. O. B. Diniz, Arthur Guilherme Santos Fernandes, Geraldo Braz Júnior, A. Paiva","doi":"10.5753/sbcas.2023.229611","DOIUrl":null,"url":null,"abstract":"O câncer renal está entre as principais causas de mortes relacionadas ao câncer em todo o mundo. A detecção e o diagnóstico precoces são cruciais na luta contra esta doença. Recentemente, redes neurais convolucionais (CNNs) demonstraram sua eficácia em tarefas de segmentação semântica. Neste estudo, apresentamos o PPM-DeepLab, um novo modelo arquitetônico projetado para a segmentação de rins, cistos e tumores em imagens de tomografia computadorizada (TC). Especificamente, exploramos o Pyramid Pooling Module (PPM) para aprimorar a rede DeepLabv3+ incorporando informações contextuais de várias escalas. Nosso modelo proposto alcançou resultados promissores, com índices de Dice de 94,89% para rins, 83,95% para cistos e 84,62% para tumores renais.","PeriodicalId":122965,"journal":{"name":"Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)","volume":"10 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-06-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/sbcas.2023.229611","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

O câncer renal está entre as principais causas de mortes relacionadas ao câncer em todo o mundo. A detecção e o diagnóstico precoces são cruciais na luta contra esta doença. Recentemente, redes neurais convolucionais (CNNs) demonstraram sua eficácia em tarefas de segmentação semântica. Neste estudo, apresentamos o PPM-DeepLab, um novo modelo arquitetônico projetado para a segmentação de rins, cistos e tumores em imagens de tomografia computadorizada (TC). Especificamente, exploramos o Pyramid Pooling Module (PPM) para aprimorar a rede DeepLabv3+ incorporando informações contextuais de várias escalas. Nosso modelo proposto alcançou resultados promissores, com índices de Dice de 94,89% para rins, 83,95% para cistos e 84,62% para tumores renais.
PPM-DeepLab:聚合金字塔模块作为DeepLabV3+网络的编码器,用于肾脏、囊肿和肾脏肿瘤的分割
肾癌是全世界癌症相关死亡的主要原因之一。早期发现和诊断对防治这种疾病至关重要。近年来,卷积神经网络在语义分割任务中证明了其有效性。在这项研究中,我们提出了PPM-DeepLab,一种新的结构模型,设计用于在计算机断层扫描(ct)图像中分割肾脏、囊肿和肿瘤。具体来说,我们利用金字塔池模块(PPM)来增强DeepLabv3+网络,整合不同规模的上下文信息。我们提出的模型取得了很好的结果,肾脏的Dice率为94.89%,囊肿的Dice率为83.95%,肾脏肿瘤的Dice率为84.62%。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信