論文の概要: Prior-Guided DETR for Ultrasound Nodule Detection

• arxiv url: http://arxiv.org/abs/2601.02212v1
• Date: Mon, 05 Jan 2026 15:32:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:23.249527
• Title: Prior-Guided DETR for Ultrasound Nodule Detection
• Title（参考訳）: 超音波結節検出のための先行誘導型DETR
• Authors: Jingjing Wang, Zhuo Xiao, Xinning Yao, Bo Liu, Lijuan Niu, Xiangzhi Bai, Fugen Zhou,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 12.28367495765275
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate detection of ultrasound nodules is essential for the early diagnosis and treatment of thyroid and breast cancers. However, this task remains challenging due to irregular nodule shapes, indistinct boundaries, substantial scale variations, and the presence of speckle noise that degrades structural visibility. To address these challenges, we propose a prior-guided DETR framework specifically designed for ultrasound nodule detection. Instead of relying on purely data-driven feature learning, the proposed framework progressively incorporates different prior knowledge at multiple stages of the network. First, a Spatially-adaptive Deformable FFN with Prior Regularization (SDFPR) is embedded into the CNN backbone to inject geometric priors into deformable sampling, stabilizing feature extraction for irregular and blurred nodules. Second, a Multi-scale Spatial-Frequency Feature Mixer (MSFFM) is designed to extract multi-scale structural priors, where spatial-domain processing emphasizes contour continuity and boundary cues, while frequency-domain modeling captures global morphology and suppresses speckle noise. Furthermore, a Dense Feature Interaction (DFI) mechanism propagates and exploits these prior-modulated features across all encoder layers, enabling the decoder to enhance query refinement under consistent geometric and structural guidance. Experiments conducted on two clinically collected thyroid ultrasound datasets (Thyroid I and Thyroid II) and two public benchmarks (TN3K and BUSI) for thyroid and breast nodules demonstrate that the proposed method achieves superior accuracy compared with 18 detection methods, particularly in detecting morphologically complex nodules.The source code is publicly available at https://github.com/wjj1wjj/Ultrasound-DETR.
• Abstract（参考訳）: 甲状腺癌および乳癌の早期診断および治療には超音波結節の正確な検出が不可欠である。 しかし、この課題は、不規則な結節形状、不明瞭な境界、相当なスケールのバリエーション、そして構造的な可視性を低下させるスペックルノイズの存在により、依然として困難なままである。 これらの課題に対処するために,超音波結節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。 まず、CNNバックボーンにSDFPRを組み込んだ空間適応型変形型FFNを組み込んで、幾何学的先行値を変形可能なサンプリングに注入し、不規則かつぼやけた結節に対する特徴抽出を安定化する。 第二に、マルチスケール空間周波数特徴混合器 (MSFFM) は、空間領域処理が輪郭連続性と境界キューを重視し、周波数領域モデリングがグローバルな形態を捉え、スペックルノイズを抑制するように設計されている。 さらに、Dense Feature Interaction (DFI) メカニズムは、すべてのエンコーダ層にまたがって、これらの事前変調された機能を伝搬し、利用することにより、デコーダが一貫した幾何学的および構造的ガイダンスの下でクエリ改善を強化することができる。 甲状腺結節および乳腺結節に対するTyroid I, Thyroid II) とTN3K, BUSI (TN3K, BUSI) の2つの臨床試験により, 本法は, 形態学的に複雑な結節の検出において, 18 個の検出法と比較して精度が良く, ソースコードは https://github.com/wjj1wj/Ultrasound-DETR で公開されている。

関連論文リスト

• Nodule-DETR: A Novel DETR Architecture with Frequency-Channel Attention for Ultrasound Thyroid Nodule Detection [11.368372526576879]
  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。
  論文  参考訳（メタデータ） (2026-01-05T08:53:04Z)
• SFD-Mamba2Net: Structure-Guided Frequency-Enhanced Dual-Stream Mamba2 Network for Coronary Artery Segmentation [10.610715643574034]
  侵襲冠動脈造影(ICA)はCAD診断における金の基準とされている。 ICA画像の特徴は、低コントラスト、高ノイズレベル、複雑で微細な血管構造である。 ICAをベースとした血管分割と狭窄検出に適したエンドツーエンドフレームワークであるSFD-Mamba2Netを提案する。
  論文  参考訳（メタデータ） (2025-09-10T18:58:45Z)
• 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)
• UDHF2-Net: Uncertainty-diffusion-model-based High-Frequency TransFormer Network for Remotely Sensed Imagery Interpretation [17.289252835606533]
  不確実拡散モデルに基づく高周波トランスフォーマーネットワーク(UDHF2-Net)が最初に提案される。 UDHF2-Netは空間定常非定常高周波接続パラダイム(SHCP)である Mask-and-geo-knowledge-based uncertainty diffusion module (MUDM) は自己指導型学習戦略である。 周波数ワイド半擬似半擬似UDHF2-Netは、変更検出の精度と複雑さのバランスをとるために提案された最初のものである。
  論文  参考訳（メタデータ） (2024-06-23T15:03:35Z)
• Generating and Reweighting Dense Contrastive Patterns for Unsupervised Anomaly Detection [59.34318192698142]
  我々は、先行のない異常発生パラダイムを導入し、GRADと呼ばれる革新的な教師なし異常検出フレームワークを開発した。 PatchDiffは、様々な種類の異常パターンを効果的に公開する。 MVTec ADとMVTec LOCOデータセットの両方の実験も、前述の観測をサポートする。
  論文  参考訳（メタデータ） (2023-12-26T07:08:06Z)
• 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)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)

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。