論文の概要: Nodule-DETR: A Novel DETR Architecture with Frequency-Channel Attention for Ultrasound Thyroid Nodule Detection

• arxiv url: http://arxiv.org/abs/2601.01908v1
• Date: Mon, 05 Jan 2026 08:53:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:22.921813
• Title: Nodule-DETR: A Novel DETR Architecture with Frequency-Channel Attention for Ultrasound Thyroid Nodule Detection
• Title（参考訳）: Nodule-DETR:超音波甲状腺結節検出のための周波数チャネル注意型新しいDETRアーキテクチャ
• Authors: Jingjing Wang, Qianglin Liu, Zhuo Xiao, Xinning Yao, Bo Liu, Lu Li, Lijuan Niu, Fugen Zhou,
• Abstract要約: 甲状腺癌は最も一般的な内分泌腫瘍であり、その発生率は世界中で増加している。 超音波画像における甲状腺結節検出のための新しい検出変換器(DETR)アーキテクチャであるNodule-DETRを提案する。 Nodule-DETRは、低コントラストノジュールの特徴を高めるために周波数分析を利用するマルチスペクトル周波数領域チャネル注意(MSFCA)モジュール、効率的なマルチスケール統合のための階層的特徴融合(HFF)モジュール、小型で不規則な結節を柔軟にキャプチャするマルチスケール変形性注意(MSDA)モジュールの3つの重要なイノベーションを紹介している。
• 参考スコア（独自算出の注目度）: 11.368372526576879
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Thyroid cancer is the most common endocrine malignancy, and its incidence is rising globally. While ultrasound is the preferred imaging modality for detecting thyroid nodules, its diagnostic accuracy is often limited by challenges such as low image contrast and blurred nodule boundaries. To address these issues, we propose Nodule-DETR, a novel detection transformer (DETR) architecture designed for robust thyroid nodule detection in ultrasound images. Nodule-DETR introduces three key innovations: a Multi-Spectral Frequency-domain Channel Attention (MSFCA) module that leverages frequency analysis to enhance features of low-contrast nodules; a Hierarchical Feature Fusion (HFF) module for efficient multi-scale integration; and Multi-Scale Deformable Attention (MSDA) to flexibly capture small and irregularly shaped nodules. We conducted extensive experiments on a clinical dataset of real-world thyroid ultrasound images. The results demonstrate that Nodule-DETR achieves state-of-the-art performance, outperforming the baseline model by a significant margin of 0.149 in mAP@0.5:0.95. The superior accuracy of Nodule-DETR highlights its significant potential for clinical application as an effective tool in computer-aided thyroid diagnosis. The code of work is available at https://github.com/wjj1wjj/Nodule-DETR.
• Abstract（参考訳）: 甲状腺癌は最も一般的な内分泌腫瘍であり、その発生率は世界中で増加している。 超音波は甲状腺結節を検出するための画像モダリティとして好まれるが、診断精度は低い画像コントラストやぼやけた結節境界などの課題によって制限されることが多い。 超音波画像における甲状腺結節検出のための新しい検出変換器(DETR)アーキテクチャであるNodule-DETRを提案する。 Nodule-DETRは、低コントラストノジュールの特徴を高めるために周波数分析を利用するマルチスペクトル周波数領域チャネル注意(MSFCA)モジュール、効率的なマルチスケール統合のための階層的特徴融合(HFF)モジュール、小型で不規則な結節を柔軟にキャプチャするマルチスケール変形性注意(MSDA)モジュールの3つの重要なイノベーションを紹介している。 実際の甲状腺超音波画像の臨床的データセットについて広範な実験を行った。 その結果, Nodule-DETR は, mAP@0.5:0.95 において, 0.149 の差でベースラインモデルを上回り, 最先端性能を実現していることがわかった。 Nodule-DETRの優れた精度は、コンピュータ支援甲状腺診断の有効なツールとして臨床応用の可能性を強調している。 作業のコードはhttps://github.com/wjj1wjj/Nodule-DETRで公開されている。

関連論文リスト

• Prior-Guided DETR for Ultrasound Nodule Detection [12.28367495765275]
  超音波検出に特化して設計された事前誘導型DETRフレームワークを提案する。 提案するフレームワークは、純粋にデータ駆動の機能学習に頼るのではなく、ネットワークの複数の段階で異なる事前知識を段階的に取り入れている。 2つの臨床的に収集された甲状腺超音波データセットを用いて行った実験により,提案法は18種類の検出法と比較して精度が高いことが示された。
  論文  参考訳（メタデータ） (2026-01-05T15:32:58Z)
• Accurate Thyroid Cancer Classification using a Novel Binary Pattern Driven Local Discrete Cosine Transform Descriptor [3.663197678470621]
  我々は特徴抽出に重点を置いた甲状腺癌分類のための新しいCADシステムの開発を行った。 われわれは新しい記述子をバイナリパターン駆動型局所離散コサイン変換(BPD-LDCT)と呼ぶ。
  論文  参考訳（メタデータ） (2025-09-19T19:54:04Z)
• STACT-Time: Spatio-Temporal Cross Attention for Cine Thyroid Ultrasound Time Series Classification [2.510842391292067]
  甲状腺癌はアメリカ合衆国で最も多いがんの一つである。 近年のディープラーニングアプローチでは,リスク階層化の改善が試みられているが,米国のシネクリップが提供する時間的・空間的コンテキストの充実に失敗することが多い。 シンチロイド超音波時系列分類(STACT-Time)モデルに対する時空間交差注意法を提案する。
  論文  参考訳（メタデータ） (2025-06-22T21:14:04Z)
• Structure-Accurate Medical Image Translation via Dynamic Frequency Balance and Knowledge Guidance [60.33892654669606]
  拡散モデルは,必要な医用画像を合成するための強力な戦略である。 既存のアプローチはまだ、高周波情報の過度な適合による解剖学的構造歪みの問題に悩まされている。 本稿では,動的周波数バランスと知識指導に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-04-13T05:48:13Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Image Synthesis with Disentangled Attributes for Chest X-Ray Nodule Augmentation and Detection [52.93342510469636]
  肺癌早期検診では胸部X線像の肺結節検出が一般的である。 ディープラーニングに基づくコンピュータ支援診断(CAD)システムは、CXRの結節スクリーニングのために放射線科医をサポートすることができる。 このようなデータセットの可用性を損なうため,データ拡張のために肺結節合成法を提案する。
  論文  参考訳（メタデータ） (2022-07-19T16:38:48Z)
• Less is More: Adaptive Curriculum Learning for Thyroid Nodule Diagnosis [50.231954872304314]
  不整合ラベルによるサンプルの発見と破棄を適応的に行うAdaptive Curriculum Learningフレームワークを提案する。 また、TNCD: Thyroid Nodule Classification データセットも提供します。
  論文  参考訳（メタデータ） (2022-07-02T11:50:02Z)
• Key-frame Guided Network for Thyroid Nodule Recognition using Ultrasound Videos [13.765306481109988]
  本稿では,超音波ビデオとキーフレームの探索による甲状腺結節の自動認識手法を提案する。 まず,各超音波ビデオに典型的な結節を持つ臨床用キーフレームを自動的に識別する検出局所化フレームワークを提案する。 局所化キーフレームに基づいて,甲状腺認識のためのキーフレームガイド付きビデオ分類モデルを構築した。
  論文  参考訳（メタデータ） (2022-06-27T14:03:26Z)

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。