論文の概要: CLFSeg: A Fuzzy-Logic based Solution for Boundary Clarity and Uncertainty Reduction in Medical Image Segmentation

• arxiv url: http://arxiv.org/abs/2510.24202v1
• Date: Tue, 28 Oct 2025 09:06:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-29 15:35:36.916321
• Title: CLFSeg: A Fuzzy-Logic based Solution for Boundary Clarity and Uncertainty Reduction in Medical Image Segmentation
• Title（参考訳）: CLFSeg:医用画像分割における境界明瞭度と不確実性低減のためのファジィ論理に基づく解法
• Authors: Anshul Kaushal, Kunal Jangid, Vinod K. Kurmi,
• Abstract要約: 本稿では,Fuzzy-Convolutional (FC)モジュールを集約するエンコーダデコーダベースのフレームワークであるCLFSegを紹介する。 このモジュールは、境界領域における不確実性、ノイズ、あいまいさを最小限にしながら、局所的特徴とグローバルな特徴を識別し、セグメンテーション性能を向上させる。 提案モデルでは,CVC-ColonDB,CVC-ClinicDB,EtisLaribPolypDB,ACDCの4つの公開データセットに対して,例外的な性能を示す。
• 参考スコア（独自算出の注目度）: 2.28126966226433
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate polyp and cardiac segmentation for early detection and treatment is essential for the diagnosis and treatment planning of cancer-like diseases. Traditional convolutional neural network (CNN) based models have represented limited generalizability, robustness, and inability to handle uncertainty, which affects the segmentation performance. To solve these problems, this paper introduces CLFSeg, an encoder-decoder based framework that aggregates the Fuzzy-Convolutional (FC) module leveraging convolutional layers and fuzzy logic. This module enhances the segmentation performance by identifying local and global features while minimizing the uncertainty, noise, and ambiguity in boundary regions, ensuring computing efficiency. In order to handle class imbalance problem while focusing on the areas of interest with tiny and boundary regions, binary cross-entropy (BCE) with dice loss is incorporated. Our proposed model exhibits exceptional performance on four publicly available datasets, including CVC-ColonDB, CVC-ClinicDB, EtisLaribPolypDB, and ACDC. Extensive experiments and visual studies show CLFSeg surpasses the existing SOTA performance and focuses on relevant regions of interest in anatomical structures. The proposed CLFSeg improves performance while ensuring computing efficiency, which makes it a potential solution for real-world medical diagnostic scenarios. Project page is available at https://visdomlab.github.io/CLFSeg/
• Abstract（参考訳）: 早期発見と治療のための正確なポリープと心臓分画は、癌様疾患の診断と治療計画に不可欠である。 従来の畳み込みニューラルネットワーク(CNN)ベースのモデルは、セグメンテーション性能に影響を与える不確実性に対処できない、限定的な一般化可能性、堅牢性、不確実性を示している。 本稿では, 畳み込み層とファジィ論理を利用したファジィ・畳み込み(FC)モジュールを集約したエンコーダ・デコーダベースのフレームワークであるCLFSegを紹介する。 このモジュールは、境界領域における不確実性、ノイズ、あいまいさを最小限に抑え、計算効率を確保しながら、局所的特徴とグローバルな特徴を識別し、セグメンテーション性能を向上させる。 小さい領域と境界領域の関心領域に着目しながらクラス不均衡問題に対処するために, サイス損失を伴う二元交叉エントロピー(BCE)を組み込んだ。 提案モデルでは,CVC-ColonDB,CVC-ClinicDB,EtisLaribPolypDB,ACDCの4つの公開データセットに対して,例外的な性能を示す。 大規模な実験と視覚研究により、CLFSegは既存のSOTAのパフォーマンスを上回り、解剖学的構造への関心領域に焦点を当てている。 提案したCLFSegは、計算効率を確保しながらパフォーマンスを改善し、現実の診断シナリオに対する潜在的な解決策となる。 プロジェクトページはhttps://visdomlab.github.io/CLFSeg/で公開されている。

関連論文リスト

• SG-CLDFF: A Novel Framework for Automated White Blood Cell Classification and Segmentation [0.0]
  SG-CLDFF(Saliency-Guided Cross-Layer Deep Feature Fusion framework) 軽量なハイブリッドバックボーン(Swin-style)は、ResNeXt-CCinspired cross-layer fusion moduleによって融合されたマルチレゾリューション表現を生成する。 解釈性はGrad-CAMビジュアライゼーションと唾液濃度の整合性チェックを通じて実施され、モデル決定を地域レベルで検査することができる。
  論文  参考訳（メタデータ） (2025-10-20T08:07:39Z)
• ICFNet: Integrated Cross-modal Fusion Network for Survival Prediction [24.328576712419814]
  本稿では,スライド画像全体,ゲノム表現プロファイル,患者の人口統計,治療プロトコルを統合した総合的クロスモーダル・フュージョン・ネットワーク(ICFNet)を提案する。 ICFNetは、5つのパブリックTCGAデータセットで最先端のアルゴリズムより優れている。
  論文  参考訳（メタデータ） (2025-01-06T05:49:08Z)
• DACB-Net: Dual Attention Guided Compact Bilinear Convolution Neural Network for Skin Disease Classification [3.3891365992104605]
  本稿では,DACB-Netを用いた3分岐デュアルアテンションガイド型コンパクトバイリニアCNNについて紹介する。 グローバルブランチは、失った識別的特徴を補償し、関連する収穫地に対する注意熱マップ(AHM)を生成する。 このフレームワークはデータ強化、転送学習、微調整を統合し、データの不均衡に対処し、分類性能を改善し、計算コストを削減する。
  論文  参考訳（メタデータ） (2024-07-03T18:32:54Z)
• Perspective+ Unet: Enhancing Segmentation with Bi-Path Fusion and Efficient Non-Local Attention for Superior Receptive Fields [19.71033340093199]
  本稿では,医療画像のセグメンテーションの限界を克服する新しいアーキテクチャであるspective+Unetを提案する。 このフレームワークは ENLTB という名前の効率的な非局所トランスフォーマーブロックを組み込んでおり、これはカーネル関数近似を利用して、効率的な長距離依存性キャプチャを行う。 ACDCとデータセットに関する実験結果から,提案したパースペクティブ+Unetの有効性が示された。
  論文  参考訳（メタデータ） (2024-06-20T07:17:39Z)
• Leveraging Frequency Domain Learning in 3D Vessel Segmentation [50.54833091336862]
  本研究では,Fourier領域学習を3次元階層分割モデルにおけるマルチスケール畳み込みカーネルの代用として活用する。 管状血管分割作業において,新しいネットワークは顕著なサイス性能(ASACA500が84.37%,ImageCASが80.32%)を示した。
  論文  参考訳（メタデータ） (2024-01-11T19:07:58Z)
• Class Attention to Regions of Lesion for Imbalanced Medical Image Recognition [59.28732531600606]
  データ不均衡問題に対処するため,textbfClass textbfAttention to textbfRegions of the lesion (CARE)を提案する。 CAREフレームワークは、まれな疾患の病変領域を表すために、バウンディングボックスを必要とする。 その結果,自動バウンディングボックス生成によるCARE変種は,オリジナルのCAREフレームワークに匹敵することがわかった。
  論文  参考訳（メタデータ） (2023-07-19T15:19:02Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)

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。