Fugu-MT 論文翻訳(概要): WDFFU-Mamba: A Wavelet-guided Dual-attention Feature Fusion Mamba for Breast Tumor Segmentation in Ultrasound Images

論文の概要: WDFFU-Mamba: A Wavelet-guided Dual-attention Feature Fusion Mamba for Breast Tumor Segmentation in Ultrasound Images

arxiv url: http://arxiv.org/abs/2512.17278v1
Date: Fri, 19 Dec 2025 06:50:03 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-22 19:25:54.273042
Title: WDFFU-Mamba: A Wavelet-guided Dual-attention Feature Fusion Mamba for Breast Tumor Segmentation in Ultrasound Images
Title（参考訳）: WDFFU-Mamba : 超音波画像における乳腺腫瘍切開のためのウェーブレット誘導デュアルアテンション機能融合マンバ
Authors: Guoping Cai, Houjin Chen, Yanfeng Li, Jia Sun, Ziwei Chen, Qingzi Geng,
Abstract要約: 本研究の目的は、BUS画像中の乳腺腫瘍を自動的に分割できる堅牢で効率的なモデルを設計することである。 WDFFU-Mambaと呼ばれる新しいセグメンテーションネットワークを提案し、ウェーブレット誘導強化とデュアルアテンション特徴融合を統合した。 2つのパブリックなBUSデータセットに対する大規模な実験は、WDFFU-Mambaがより優れたセグメンテーション精度を達成することを示した。
参考スコア（独自算出の注目度）: 17.84341216320434
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Breast ultrasound (BUS) image segmentation plays a vital role in assisting clinical diagnosis and early tumor screening. However, challenges such as speckle noise, imaging artifacts, irregular lesion morphology, and blurred boundaries severely hinder accurate segmentation. To address these challenges, this work aims to design a robust and efficient model capable of automatically segmenting breast tumors in BUS images.We propose a novel segmentation network named WDFFU-Mamba, which integrates wavelet-guided enhancement and dual-attention feature fusion within a U-shaped Mamba architecture. A Wavelet-denoised High-Frequency-guided Feature (WHF) module is employed to enhance low-level representations through noise-suppressed high-frequency cues. A Dual Attention Feature Fusion (DAFF) module is also introduced to effectively merge skip-connected and semantic features, improving contextual consistency.Extensive experiments on two public BUS datasets demonstrate that WDFFU-Mamba achieves superior segmentation accuracy, significantly outperforming existing methods in terms of Dice coefficient and 95th percentile Hausdorff Distance (HD95).The combination of wavelet-domain enhancement and attention-based fusion greatly improves both the accuracy and robustness of BUS image segmentation, while maintaining computational efficiency.The proposed WDFFU-Mamba model not only delivers strong segmentation performance but also exhibits desirable generalization ability across datasets, making it a promising solution for real-world clinical applications in breast tumor ultrasound analysis.
Abstract（参考訳）: 乳房超音波(BUS)イメージセグメンテーションは,臨床診断や早期腫瘍検診において重要な役割を担っている。しかし、スペックルノイズ、画像アーティファクト、不規則な病変形態、ぼやけた境界などの課題は、正確なセグメンテーションを著しく妨げている。これらの課題に対処するため,BUS画像に乳腺腫瘍を自動的に分割できる頑健で効率的なモデルを構築することを目的として,WDFFU-Mambaと呼ばれる新しいセグメンテーションネットワークを提案し,WDFFU-Mambaはウェーブレット誘導による拡張と,U字型Mambaアーキテクチャ内でのデュアルアテンション機能融合を統合している。 Wavelet-denoized High-Frequency-Guided Feature (WHF)モジュールは、ノイズ抑圧された高周波キューを通して低レベル表現を強化するために使用される。重複注意機能融合(DAFF)モジュールも導入され、スキップ接続された意味的特徴を効果的にマージし、文脈整合性を改善するとともに、2つのパブリックなBUSデータセットでの大規模な実験により、WDFFU-Mambaは、Dice係数と95%のHausdorff Distance(HD95)で既存の手法よりもはるかに優れたセグメンテーション精度を達成できることを示した。ウェーブレット領域拡張とアテンションベース融合の併用により,BUS画像セグメンテーションの精度とロバスト性は向上し,計算効率は向上するが,提案したWDFFU-Mambaモデルでは,高いセグメンテーション性能を提供するだけでなく,データセット間で良好な一般化能力を示し,乳房腫瘍解析における現実的な臨床応用に期待できるソリューションとなる。

関連論文リスト

UniUltra: Interactive Parameter-Efficient SAM2 for Universal Ultrasound Segmentation [47.18256805790662]
Segment Anything Model 2 (SAM2) は、自然画像に顕著な普遍的なセグメンテーション機能を示す。この制限は、パラメータ効率を維持しながらSAM2を超音波画像に効率的に適応する方法と、リソース制約された臨床環境において適応モデルを効果的に展開する方法の2つの重要な課題を提起する。本報告では,UniUltraを超音波の普遍的セグメンテーションのために提案する。特に,パラメータ効率の良い微調整を実現しつつ,多様な超音波画像の微粒化知覚を高める新しいコンテキストエッジハイブリッドアダプタ(CH-Adapter)を提案する。
論文参考訳（メタデータ） (2025-11-19T17:42:49Z)
Versatile and Efficient Medical Image Super-Resolution Via Frequency-Gated Mamba [10.69081892501522]
本稿では,FGMambaを提案する。FGMambaは,グローバルな依存性モデリングと細部拡張を軽量アーキテクチャに統合した,周波数対応のゲート状態空間モデルである。本研究は,スケーラブルかつ高精度な医用画像強調のための周波数認識状態空間モデリングの有効性を検証した。
論文参考訳（メタデータ） (2025-10-31T09:12:12Z)
A Semantic Segmentation Algorithm for Pleural Effusion Based on DBIF-AUNet [22.657295396752023]
胸水セマンティックセグメンテーションは臨床診断と治療の精度とタイムラインを大幅に向上させる可能性がある。既存の手法は、様々な画像のバリエーションや複雑なエッジに悩まされることが多い。本稿では,これらの課題に対処するため,Dual-Branch Interactive Fusion Attention Model (DBIF-AUNet)を提案する。
論文参考訳（メタデータ） (2025-08-08T10:14:51Z)
FaRMamba: Frequency-based learning and Reconstruction aided Mamba for Medical Segmentation [3.5790602918760586]
Vision Mambaは、グローバルな依存関係を効率的にモデル化するために、一次元の因果状態空間の再現を用いる。パッチトークン化と1Dシリアライゼーションは、局所的なピクセル隣接性を阻害し、ローパスフィルタリング効果を課す。 2つの相補的なモジュールを通してLHICDと2D-SSDを明示的に扱う新しい拡張であるFaRMambaを提案する。
論文参考訳（メタデータ） (2025-07-26T20:41:53Z)
Frequency Domain-Based Diffusion Model for Unpaired Image Dehazing [92.61216319417208]
そこで本稿では,未確認データにおける有益な知識を十分に活用するための,新しい周波数領域ベース拡散モデルを提案する。拡散モデル(DM)が示す強い生成能力に着想を得て,周波数領域再構成の観点からデハージング課題に取り組む。
論文参考訳（メタデータ） (2025-07-02T01:22:46Z)
Hybrid Attention Network for Accurate Breast Tumor Segmentation in Ultrasound Images [3.0040661953201475]
病変分割のためのハイブリッドアテンションベースネットワークを提案する。提案アーキテクチャでは,エンコーダ部に事前学習したDenseNet121を組み込んで,ロバストな特徴抽出を行う。公開データセットの実験は、我々の手法が既存のアプローチより優れていることを示した。
論文参考訳（メタデータ） (2025-06-19T20:32:54Z)
Prototype Learning Guided Hybrid Network for Breast Tumor Segmentation in DCE-MRI [58.809276442508256]
本稿では,畳み込みニューラルネットワーク(CNN)とトランスフォーマー層を組み合わせたハイブリッドネットワークを提案する。プライベートおよびパブリックなDCE-MRIデータセットの実験結果から,提案したハイブリッドネットワークは最先端の手法よりも優れた性能を示した。
論文参考訳（メタデータ） (2024-08-11T15:46:00Z)
Transferring Ultrahigh-Field Representations for Intensity-Guided Brain Segmentation of Low-Field Magnetic Resonance Imaging [51.92395928517429]
7T MRIの使用は、低磁場MRIと比較して高コストでアクセシビリティが低いため制限されている。本研究では,入力されたLF磁気共鳴特徴表現と,脳画像分割タスクのための7T様特徴表現とを融合したディープラーニングフレームワークを提案する。
論文参考訳（メタデータ） (2024-02-13T12:21:06Z)
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)
DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler Signal [48.97719097435527]
DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
論文参考訳（メタデータ） (2023-05-15T18:19:29Z)

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。