論文の概要: Scalable Residual Feature Aggregation Framework with Hybrid Metaheuristic Optimization for Robust Early Pancreatic Neoplasm Detection in Multimodal CT Imaging

• arxiv url: http://arxiv.org/abs/2512.23597v1
• Date: Mon, 29 Dec 2025 16:51:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:30.585476
• Title: Scalable Residual Feature Aggregation Framework with Hybrid Metaheuristic Optimization for Robust Early Pancreatic Neoplasm Detection in Multimodal CT Imaging
• Title（参考訳）: マルチモーダルCT画像におけるロバスト早期膵腫瘍検出のためのハイブリッドメタヒューリスティック最適化による拡張的残像凝集フレームワーク
• Authors: Janani Annur Thiruvengadam, Kiran Mayee Nabigaru, Anusha Kovi,
• Abstract要約: このフレームワークは事前処理のパイプラインを統合し、MAGRes-UNetを使ってセグメンテーションを行う。 分類するために、システムは世界に注意を払う能力を統合する新しいハイブリッドモデルに基づいて訓練される。 実験結果は、96.23%の精度、95.58%のF1スコア、94.83%の特異性に到達した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The early detection of pancreatic neoplasm is a major clinical dilemma, and it is predominantly so because tumors are likely to occur with minimal contrast margins and a large spread anatomy-wide variation amongst patients on a CT scan. These complexities require to be addressed with an effective and scalable system that can assist in enhancing the salience of the subtle visual cues and provide a high level of the generalization on the multimodal imaging data. A Scalable Residual Feature Aggregation (SRFA) framework is proposed to be used to meet these conditions in this study. The framework integrates a pipeline of preprocessing followed by the segmentation using the MAGRes-UNet that is effective in making the pancreatic structures and isolating regions of interest more visible. DenseNet-121 performed with residual feature storage is used to extract features to allow deep hierarchical features to be aggregated without properties loss. To go further, hybrid HHO-BA metaheuristic feature selection strategy is used, which guarantees the best feature subset refinement. To be classified, the system is trained based on a new hybrid model that integrates the ability to pay attention on the world, which is the Vision Transformer (ViT) with the high representational efficiency of EfficientNet-B3. A dual optimization mechanism incorporating SSA and GWO is used to fine-tune hyperparameters to enhance greater robustness and less overfitting. Experimental results support the significant improvement in performance, with the suggested model reaching 96.23% accuracy, 95.58% F1-score and 94.83% specificity, the model is significantly better than the traditional CNNs and contemporary transformer-based models. Such results highlight the possibility of the SRFA framework as a useful instrument in the early detection of pancreatic tumors.
• Abstract（参考訳）: 膵腫瘍の早期発見は主要な臨床ジレンマであり,腫瘍は造影縁が最小限であり,CTスキャンでは大きな解剖学的変化がみられた。 これらの複雑さは、微妙な視覚的手がかりの塩分濃度を向上し、マルチモーダルイメージングデータに高いレベルの一般化を提供する、効果的でスケーラブルなシステムで対処する必要がある。 本研究では,これらの条件を満たすために,スケーラブルなResidual Feature Aggregation (SRFA) フレームワークを提案する。 このフレームワークは前処理のパイプラインを統合し、MAGRes-UNetを使用してセグメンテーションを行い、膵構造や関心領域の分離に有効である。 DenseNet-121は、プロパティが失われることなく、深い階層的な機能を集約できる機能を引き出すために使われる。 さらに、HHO-BAメタヒューリスティックな特徴選択戦略を用いて、最高の特徴部分修正を保証する。 分類するには、ビジョントランスフォーマー(ViT)と高効率なNet-B3の表現効率を統合した新しいハイブリッドモデルに基づいて訓練を行う。 SSAとGWOを組み込んだ二重最適化機構は、より堅牢性を高め、過度な適合を抑えるためにハイパーパラメータを微調整するために用いられる。 実験結果は、96.23%の精度、95.58%のF1スコア、94.83%の特異性に到達した。 このような結果から,膵腫瘍の早期発見において,SRFAフレームワークが有用である可能性が示唆された。

関連論文リスト

• Squeezed-Eff-Net: Edge-Computed Boost of Tomography Based Brain Tumor Classification leveraging Hybrid Neural Network Architecture [0.7829352305480285]
  本研究では,軽量モデルであるSqueezeNet v1と高性能モデルであるEfficientNet-B0に基づくハイブリッドディープラーニングモデルを提案する。 このフレームワークは、Nickparvar Brain tumor MRIデータセットでのみトレーニングされ、テストされた。
  論文  参考訳（メタデータ） (2025-12-08T07:37:30Z)
• UAM: A Unified Attention-Mamba Backbone of Multimodal Framework for Tumor Cell Classification [1.529342790344802]
  放射線学的特徴を用いた細胞レベル分類のためのUnified Attention-Mambaバックボーンを提案する。 細胞レベルでの分類と画像分割を共同で行うマルチモーダルなUAMフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-21T16:18:55Z)
• DRBD-Mamba for Robust and Efficient Brain Tumor Segmentation with Analytical Insights [54.87947751720332]
  脳腫瘍の正確なセグメンテーションは、臨床診断と治療に重要である。 マンバを拠点とするState Space Modelsは、有望なパフォーマンスを示している。 本稿では,計算オーバーヘッドを最小限に抑えながら,マルチスケールの長距離依存関係をキャプチャするマルチ解像度双方向マンバを提案する。
  論文  参考訳（メタデータ） (2025-10-16T07:31:21Z)
• Enhanced Liver Tumor Detection in CT Images Using 3D U-Net and Bat Algorithm for Hyperparameter Optimization [0.294944680995069]
  肝がんは最も多く、致死的ながんの1つである。 本稿では,CT画像における肝腫瘍自動切除の新たなアプローチを提案する。
  論文  参考訳（メタデータ） (2025-08-11T20:21:30Z)
• Graph-based Multi-Modal Interaction Lightweight Network for Brain Tumor Segmentation (GMLN-BTS) in Edge Iterative MRI Lesion Localization System (EdgeIMLocSys) [6.451534509235736]
  本稿では,人間のフィードバックから連続学習を統合するEdge IMLocSys (Edge Iterative MRI Lesion Localization System) を提案する。 このシステムの中心は、GMLN-BTS(GMLN-BTS)のためのグラフベースの多モード相互作用軽量ネットワークである。 提案したGMLN-BTSモデルは、BraTS 2017データセットで85.1%のDiceスコアを達成し、パラメータはわずか458万で、メインストリームの3Dトランスフォーマーモデルと比較して98%削減された。
  論文  参考訳（メタデータ） (2025-07-14T07:29:49Z)
• MAST-Pro: Dynamic Mixture-of-Experts for Adaptive Segmentation of Pan-Tumors with Knowledge-Driven Prompts [54.915060471994686]
  MAST-Proは,ダイナミックなMixture-of-Experts(D-MoE)とパン腫瘍セグメンテーションのための知識駆動プロンプトを統合した新しいフレームワークである。 具体的には、テキストと解剖学的プロンプトは、腫瘍表現学習を導くドメイン固有の事前情報を提供し、D-MoEは、ジェネリックと腫瘍固有の特徴学習のバランスをとる専門家を動的に選択する。 マルチ解剖学的腫瘍データセットの実験では、MAST-Proは最先端のアプローチよりも優れており、トレーニング可能なパラメータを91.04%削減し、平均改善の5.20%を達成している。
  論文  参考訳（メタデータ） (2025-03-18T15:39:44Z)
• 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)
• Classification of lung cancer subtypes on CT images with synthetic pathological priors [41.75054301525535]
  同症例のCT像と病理像との間には,画像パターンに大規模な関連性が存在する。 肺がんサブタイプをCT画像上で正確に分類するための自己生成型ハイブリッド機能ネットワーク(SGHF-Net)を提案する。
  論文  参考訳（メタデータ） (2023-08-09T02:04:05Z)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)

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。