論文の概要: FAMSeg: Fetal Femur and Cranial Ultrasound Segmentation Using Feature-Aware Attention and Mamba Enhancement

• arxiv url: http://arxiv.org/abs/2506.07431v2
• Date: Sat, 14 Jun 2025 10:40:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 13:01:17.421019
• Title: FAMSeg: Fetal Femur and Cranial Ultrasound Segmentation Using Feature-Aware Attention and Mamba Enhancement
• Title（参考訳）: FAMSeg : 特徴認識とマンバ強調を用いた胎児大腿骨・頭蓋超音波分割術
• Authors: Jie He, Minglang Chen, Minying Lu, Bocheng Liang, Junming Wei, Guiyan Peng, Jiaxi Chen, Ying Tan,
• Abstract要約: 本稿では, 特徴知覚とマンバ強調に基づく胎児大腿骨・頭蓋骨超音波画像分割モデルを提案する。 FAMSegネットワークは、様々なサイズと向きのイメージに対して、最も高速な損失低減と最高のセグメンテーション性能を達成した。
• 参考スコア（独自算出の注目度）: 3.307520405211055
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate ultrasound image segmentation is a prerequisite for precise biometrics and accurate assessment. Relying on manual delineation introduces significant errors and is time-consuming. However, existing segmentation models are designed based on objects in natural scenes, making them difficult to adapt to ultrasound objects with high noise and high similarity. This is particularly evident in small object segmentation, where a pronounced jagged effect occurs. Therefore, this paper proposes a fetal femur and cranial ultrasound image segmentation model based on feature perception and Mamba enhancement to address these challenges. Specifically, a longitudinal and transverse independent viewpoint scanning convolution block and a feature perception module were designed to enhance the ability to capture local detail information and improve the fusion of contextual information. Combined with the Mamba-optimized residual structure, this design suppresses the interference of raw noise and enhances local multi-dimensional scanning. The system builds global information and local feature dependencies, and is trained with a combination of different optimizers to achieve the optimal solution. After extensive experimental validation, the FAMSeg network achieved the fastest loss reduction and the best segmentation performance across images of varying sizes and orientations.
• Abstract（参考訳）: 正確な超音波画像分割は、正確な生体計測と正確な評価の前提条件である。 手動で記述することで重大なエラーが発生し、時間がかかります。 しかし、既存のセグメンテーションモデルは自然界の物体に基づいて設計されており、高いノイズと高い類似性を持つ超音波物体に適応することが困難である。 これは特に小さな物体のセグメンテーションにおいて顕著であり、顕著なジャグリング効果が生じる。 そこで本研究では,これらの課題に対処するために,特徴知覚とマンバ強調に基づく胎児大腿骨・頭蓋骨超音波画像分割モデルを提案する。 具体的には、縦・横方向の視点走査型畳み込みブロックと特徴知覚モジュールを設計し、局所的な詳細情報を捕捉し、文脈情報の融合を改善する。 この設計は,マンバ最適化残差構造と組み合わせて生騒音の干渉を抑制し,局所多次元走査を強化する。 システムはグローバルな情報とローカルな機能依存を構築し、最適なソリューションを達成するために、さまざまなオプティマイザの組み合わせでトレーニングされる。 大規模な実験的検証の後、FAMSegネットワークは、様々なサイズと向きのイメージに対して、最も高速な損失低減と最高のセグメンテーション性能を達成した。

関連論文リスト

• Frequency-enhanced Multi-granularity Context Network for Efficient Vertebrae Segmentation [33.99418884128739]
  椎骨分割精度を向上させるために,周波数強調多粒性コンテキストネットワーク(FMC-Net)を導入する。 高周波成分に対しては,HFR(High- frequency Feature Refinement)を適用し,特徴の顕著さを増幅する。 低周波成分に対しては、多粒度状態空間モデル(MG-SSM)を用いて、異なる受容場を持つ特徴表現を集約する。
  論文  参考訳（メタデータ） (2025-06-29T04:53:02Z)
• MS-UMamba: An Improved Vision Mamba Unet for Fetal Abdominal Medical Image Segmentation [1.2721397985664153]
  胎児超音波画像分割のためのハイブリッド・コンボリューション・マンバモデルであるMS-UMambaを提案する。 具体的には,マンバのグローバルなモデリング強度を利用するCNNブランチと統合された視覚状態空間ブロックを設計する。 また,異なる層からの特徴情報を統合した効率的なマルチスケール機能融合モジュールを提案する。
  論文  参考訳（メタデータ） (2025-06-14T10:34:10Z)
• InceptionMamba: Efficient Multi-Stage Feature Enhancement with Selective State Space Model for Microscopic Medical Image Segmentation [15.666926528144202]
  InceptionMambaという,多段階のリッチな機能をエンコードするセグメンテーションタスクのための効率的なフレームワークを提案する。 我々は,低周波領域と高周波領域の両方を捕捉し,多段特徴を豊かにするためにセマンティック・キューを利用する。 本モデルでは,2つの挑戦的微視的セグメンテーションデータセットに対して,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-06-13T20:25:12Z)
• MAMBO-NET: Multi-Causal Aware Modeling Backdoor-Intervention Optimization for Medical Image Segmentation Network [51.68708264694361]
  融合因子は、複雑な解剖学的変異や画像のモダリティ制限などの医療画像に影響を与える可能性がある。 医用画像セグメンテーションのためのバックドア・インターベンション最適化ネットワークを提案する。 本手法は, 混乱要因の影響を著しく低減し, セグメンテーション精度を向上させる。
  論文  参考訳（メタデータ） (2025-05-28T01:40:10Z)
• PathSegDiff: Pathology Segmentation using Diffusion model representations [63.20694440934692]
  そこで我々は,Latent Diffusion Models (LDMs) を事前学習した特徴抽出器として活用する,病理組織像分割の新しい手法であるPathSegDiffを提案する。 本手法は,H&E染色組織像から多彩な意味情報を抽出するために,自己教師型エンコーダによって誘導される病理特異的LCMを用いる。 本実験は,BCSSおよびGlaSデータセットにおける従来の手法よりも大幅に改善されたことを示す。
  論文  参考訳（メタデータ） (2025-04-09T14:58:21Z)
• SAS: Segment Anything Small for Ultrasound -- A Non-Generative Data Augmentation Technique for Robust Deep Learning in Ultrasound Imaging [1.0485739694839666]
  Segment Anything Small (SAS) は、シンプルだが効果的なスケールとテクスチャ対応のデータ拡張技術である。 SASは超音波画像中の小さな解剖構造をセグメント化するためのディープラーニングモデルの性能を向上させる。
  論文  参考訳（メタデータ） (2025-03-07T20:24:35Z)
• PINN-EMFNet: PINN-based and Enhanced Multi-Scale Feature Fusion Network for Breast Ultrasound Images Segmentation [5.246262946799736]
  本研究では,PINNに基づくマルチスケール機能融合ネットワークを提案する。 ネットワークは、いくつかの構造的革新を通じて、効率的に統合し、グローバルにマルチスケールの機能をモデル化する。 このデコーダ部では,マルチスケール・フィーチャー・リファインメント・デコーダが採用され,マルチスケール・スーパービジョン機構と修正モジュールを組み合わせることで,セグメンテーション精度と適応性を大幅に向上する。
  論文  参考訳（メタデータ） (2024-12-22T09:16:00Z)
• Advancing Medical Image Segmentation: Morphology-Driven Learning with Diffusion Transformer [4.672688418357066]
  本稿では,雑音の存在下での頑健なセグメンテーションのためのトランスフォーマー拡散(DTS)モデルを提案する。 画像の形態的表現を解析する本モデルでは, 種々の医用画像モダリティにおいて, 従来のモデルよりも良好な結果が得られた。
  論文  参考訳（メタデータ） (2024-08-01T07:35:54Z)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• A Complementary Global and Local Knowledge Network for Ultrasound denoising with Fine-grained Refinement [0.7424725048947504]
  超音波イメージングは、一般的に臨床検査で使用される効果的で非侵襲的な診断ツールとして機能する。 既存のスペックルノイズ低減手法は、過剰な画像の平滑化を誘発するか、詳細情報を適切に保存することができない。 微細な精細化を伴う超音波診断のための補完的グローバル・ローカル知識ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-10-05T09:12:34Z)
• Self-supervised Semantic Segmentation: Consistency over Transformation [3.485615723221064]
  Inception Large Kernel Attention (I-LKA) モジュールをベースとしたロバストなフレームワークを統合した新しい自己教師型アルゴリズム textbfS$3$-Net を提案する。 我々は、変形可能な畳み込みを積分成分として利用し、優れた物体境界定義のための歪み変形を効果的に捕捉し、デライン化する。 皮膚病変および肺臓器の分節タスクに関する実験結果から,SOTA法と比較して,本手法の優れた性能を示した。
  論文  参考訳（メタデータ） (2023-08-31T21:28:46Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Weakly-supervised Learning For Catheter Segmentation in 3D Frustum Ultrasound [74.22397862400177]
  超音波を用いた新しいカテーテルセグメンテーション法を提案する。 提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
  論文  参考訳（メタデータ） (2020-10-19T13:56:22Z)
• Residual-Sparse Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet frames [146.63177174491082]
  Fuzzy $C$-Means (FCM)アルゴリズムは、形態的再構成操作とタイトウェーブレットフレーム変換を組み込んでいる。 特徴集合とその理想値の間の残差に対して$ell_0$正規化項を付与することにより、改良されたFCMアルゴリズムを提案する。 合成, 医用, カラー画像に対する実験結果から, 提案アルゴリズムは効率的かつ効率的であり, 他のアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-14T10:00:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。