論文の概要: W-DUALMINE: Reliability-Weighted Dual-Expert Fusion With Residual Correlation Preservation for Medical Image Fusion
- arxiv url: http://arxiv.org/abs/2601.08920v1
- Date: Tue, 13 Jan 2026 19:01:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-15 18:59:20.14249
- Title: W-DUALMINE: Reliability-Weighted Dual-Expert Fusion With Residual Correlation Preservation for Medical Image Fusion
- Title（参考訳）: W-DUALMINE : 医用画像融合のための残留相関保存を用いた信頼性重み付きデュアルサーキット核融合
- Authors: Md. Jahidul Islam,
- Abstract要約: W-DUALMINEは信頼性の高いデュアルエキスパート融合フレームワークである。
CCとMIの指標では、AdaFuseとASFE-Fusionを一貫して上回っている。
- 参考スコア（独自算出の注目度）: 3.8707695363745214
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Medical image fusion integrates complementary information from multiple imaging modalities to improve clinical interpretation. However, existing deep learningbased methods, including recent spatial-frequency frameworks such as AdaFuse and ASFE-Fusion, often suffer from a fundamental trade-off between global statistical similaritymeasured by correlation coefficient (CC) and mutual information (MI)and local structural fidelity. This paper proposes W-DUALMINE, a reliability-weighted dual-expert fusion framework designed to explicitly resolve this trade-off through architectural constraints and a theoretically grounded loss design. The proposed method introduces dense reliability maps for adaptive modality weighting, a dual-expert fusion strategy combining a global-context spatial expert and a wavelet-domain frequency expert, and a soft gradient-based arbitration mechanism. Furthermore, we employ a residual-to-average fusion paradigm that guarantees the preservation of global correlation while enhancing local details. Extensive experiments on CT-MRI, PET-MRI, and SPECT-MRI datasets demonstrate that W-DUALMINE consistently outperforms AdaFuse and ASFE-Fusion in CC and MI metrics while
- Abstract（参考訳）: 医用画像融合は、複数の画像モダリティからの相補的な情報を統合し、臨床解釈を改善する。
しかし、AdaFuse や ASFE-Fusion などの最近の空間周波数フレームワークを含む既存の深層学習手法は、相関係数(CC)と相互情報(MI)と局所構造的忠実度(MI)によって測定されたグローバルな統計的類似性との根本的なトレードオフに悩まされることが多い。
本稿では,このトレードオフをアーキテクチャ制約と理論的に基礎とした損失設計を通じて明確に解決する,信頼性に富んだデュアルエキスパート融合フレームワークであるW-DUALMINEを提案する。
提案手法では,適応モード重み付けのための高密度信頼性マップ,大域的コンテキスト空間エキスパートとウェーブレット領域周波数エキスパートを組み合わせた二重専門家融合戦略,ソフト勾配に基づく仲裁機構を導入している。
さらに,局所的な詳細性を高めつつ,大域的相関の維持を保証できる残差平均核融合パラダイムを採用している。
CT-MRI、PET-MRI、SPECT-MRIデータセットの大規模な実験により、W-DUALMINEはCCおよびMI測定においてAdaFuseとASFE-Fusionを一貫して上回っていることが示された。
関連論文リスト
- MMCTOP: A Multimodal Textualization and Mixture-of-Experts Framework for Clinical Trial Outcome Prediction [6.546561764099574]
本稿では,高次元生体情報学におけるマルチモーダルデータ融合の課題に対処するMMCTOPを提案する。
MMCTOPは、モダリティを考慮した表現学習と、スキーマ誘導型テキスト化と入力忠実度検証を結合する。
MMCTOPは、制御された物語正規化、文脈認識の専門家融合、運用安全ガードを組み合わせることで、マルチモーダル・トライアル・モデリングを推進している。
論文 参考訳（メタデータ） (2025-12-26T06:56:08Z) - Modality-Specific Enhancement and Complementary Fusion for Semi-Supervised Multi-Modal Brain Tumor Segmentation [6.302779966909783]
医用画像セグメンテーションのための新しい半教師付きマルチモーダルフレームワークを提案する。
モダリティ固有のエンハンシングモジュール(MEM)を導入し、各モダリティに意味的なユニークな手がかりを強化する。
また,学習可能な相補的情報融合(CIF)モジュールを導入し,モダリティ間の相補的知識を適応的に交換する。
論文 参考訳（メタデータ） (2025-12-10T16:15:17Z) - IRDFusion: Iterative Relation-Map Difference guided Feature Fusion for Multispectral Object Detection [23.256601188227865]
クロスモーダルな特徴のコントラストとスクリーニング戦略に基づく,革新的な機能融合フレームワークを提案する。
提案手法は,オブジェクト認識の相補的クロスモーダル特徴を融合させることにより,有能な構造を適応的に強化する。
IRDFusionは、様々な挑戦的なシナリオで既存のメソッドを一貫して上回ります。
論文 参考訳（メタデータ） (2025-09-11T01:22:35Z) - AdaFusion: Prompt-Guided Inference with Adaptive Fusion of Pathology Foundation Models [49.550545038402184]
本稿では,新しいプロンプト誘導推論フレームワークであるAdaFusionを提案する。
本手法は,多様なモデルからタイルレベルの特徴を圧縮・整列する。
AdaFusionは、分類タスクと回帰タスクの両方にわたって、個々のPFMを一貫して上回っている。
論文 参考訳（メタデータ） (2025-08-07T07:09:31Z) - Explainable Deep Neural Network for Multimodal ECG Signals: Intermediate vs Late Fusion [1.1344265020822928]
マルチモーダルディープニューラルネットワーク(MDNN)は、多様なデータドメインを統合する能力を持ち、堅牢で正確な予測のための有望なソリューションを提供する。
本研究は、ECG信号を用いた中間核融合戦略と後期核融合戦略の比較効果について検討する。
論文 参考訳（メタデータ） (2025-08-06T16:26:46Z) - Hyper-modal Imputation Diffusion Embedding with Dual-Distillation for Federated Multimodal Knowledge Graph Completion [59.54067771781552]
本稿では,FedMKGCのマルチモーダル不確実性とマルチモーダルクライアントの不均一性問題に対処するMMFeD3-HidEというフレームワークを提案する。
本稿では,MMFedEという一般的なFedMKGCバックボーン,異種マルチモーダル情報を持つデータセット,構築されたベースラインの3つのグループからなる総合評価のためのFedMKGCベンチマークを提案する。
論文 参考訳（メタデータ） (2025-06-27T09:32:58Z) - Enhancing CTR Prediction with De-correlated Expert Networks [45.50697497028273]
本稿では,専門的相関を最小化するクロスエキスパートデコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレーショナル・デコレー
我々はD-MoEがMulti-Embedding MoEベースラインと比較して1.19%のGross Merchandise Volume (GMV)リフトを達成することを示す。
論文 参考訳（メタデータ） (2025-05-23T14:04:38Z) - Accelerated Multi-Contrast MRI Reconstruction via Frequency and Spatial Mutual Learning [50.74383395813782]
本稿では,周波数・空間相互学習ネットワーク(FSMNet)を提案する。
提案したFSMNetは, 加速度係数の異なるマルチコントラストMR再構成タスクに対して, 最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-09-21T12:02:47Z) - Joint Multimodal Transformer for Emotion Recognition in the Wild [49.735299182004404]
マルチモーダル感情認識(MMER)システムは、通常、単調なシステムよりも優れている。
本稿では,キーベースのクロスアテンションと融合するために,ジョイントマルチモーダルトランス (JMT) を利用するMMER法を提案する。
論文 参考訳（メタデータ） (2024-03-15T17:23:38Z) - Specificity-Preserving Federated Learning for MR Image Reconstruction [94.58912814426122]
統合学習は、磁気共鳴(MR)画像再構成におけるデータのプライバシーと効率を改善するために使用できる。
近年のFL技術は、グローバルモデルの一般化を強化することで、この問題を解決する傾向にある。
MR画像再構成のための特異性保存FLアルゴリズム(FedMRI)を提案する。
論文 参考訳（メタデータ） (2021-12-09T22:13:35Z)
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。