論文の概要: CortiNet: A Physics-Perception Hybrid Cortical-Inspired Dual-Stream Network for Gallbladder Disease Diagnosis from Ultrasound

• arxiv url: http://arxiv.org/abs/2602.01000v1
• Date: Sun, 01 Feb 2026 03:44:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.517953
• Title: CortiNet: A Physics-Perception Hybrid Cortical-Inspired Dual-Stream Network for Gallbladder Disease Diagnosis from Ultrasound
• Title（参考訳）: CortiNet: 超音波による胆嚢疾患診断のための物理知覚ハイブリッド脳誘発デュアルストリームネットワーク
• Authors: Vagish Kumar, Souvik Chakraborty,
• Abstract要約: CortiNetは、胆嚢疾患の診断のための軽量で皮質にインスパイアされたデュアルストリームニューラルネットワークである。 我々はCortiNetを,臨床的に関連のある胆嚢疾患の9つのカテゴリにまたがる10,692名の専門家注釈画像で評価した。
• 参考スコア（独自算出の注目度）: 1.8907108368038215
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Ultrasound imaging is the primary diagnostic modality for detecting Gallbladder diseases due to its non-invasive nature, affordability, and wide accessibility. However, the low resolution and speckle noise inherent to ultrasound images hinder diagnostic reliability, prompting the use of large convolutional neural networks that are difficult to deploy in routine clinical settings. In this work, we propose CortiNet, a lightweight, cortical-inspired dual-stream neural architecture for gallbladder disease diagnosis that integrates physically interpretable multi-scale signal decomposition with perception-driven feature learning. Inspired by parallel processing pathways in the human visual cortex, CortiNet explicitly separates low-frequency structural information from high-frequency perceptual details and processes them through specialized encoding streams. By operating directly on structured, frequency-selective representations rather than raw pixel intensities, the architecture embeds strong physics-based inductive bias, enabling efficient feature learning with a significantly reduced parameter footprint. A late-stage cortical-style fusion mechanism integrates complementary structural and textural cues while preserving computational efficiency. Additionally, we propose a structure-aware explainability framework wherein gradient-weighted class activation mapping is only applied to the structural branch of the proposed CortiNet architecture. This choice allows the model to only focus on the structural features, making it robust against speckle noise. We evaluate CortiNet on 10,692 expert-annotated images spanning nine clinically relevant gallbladder disease categories. Experimental results demonstrate that CortiNet achieves high diagnostic accuracy (98.74%) with only a fraction of the parameters required by conventional deep convolutional models.
• Abstract（参考訳）: 超音波画像検査は,非侵襲性,可利用性,幅広いアクセシビリティが原因で胆嚢疾患を診断する主要な手段である。 しかし、超音波画像に固有の低分解能とスペックルノイズは診断の信頼性を損なうため、日常的な臨床環境では展開が困難である大規模な畳み込みニューラルネットワークの使用が促される。 本研究では,身体的に解釈可能な多スケール信号分解と知覚駆動型特徴学習を統合した,胆嚢疾患診断のための,軽量で皮質にインスパイアされたデュアルストリームニューラルアーキテクチャであるCortiNetを提案する。 CortiNetは人間の視覚野の並列処理経路にインスパイアされ、低周波構造情報を高周波知覚の詳細から明確に分離し、特殊な符号化ストリームを通じて処理する。 生の画素強度ではなく、構造化された周波数選択表現を直接操作することにより、このアーキテクチャは強い物理に基づく帰納バイアスを埋め込むことで、パラメータフットプリントを大幅に削減した効率的な特徴学習を可能にする。 後期皮質型融合機構は、計算効率を保ちながら相補的な構造的およびテクスチャ的手がかりを統合する。 さらに,CortiNetアーキテクチャの構造分岐にのみ,勾配重み付きクラスアクティベーションマッピングを適用する構造対応型説明可能性フレームワークを提案する。 この選択により、モデルは構造的特徴のみに集中することができ、スペックルノイズに対して堅牢になる。 我々はCortiNetを,臨床的に関連のある胆嚢疾患の9つのカテゴリにまたがる10,692名の専門家注釈画像で評価した。 実験の結果、CortiNetは従来の深層畳み込みモデルで要求されるパラメータのごく一部で高い診断精度(98.74%)を達成することが示された。

関連論文リスト

• Robust Multi-Disease Retinal Classification via Xception-Based Transfer Learning and W-Net Vessel Segmentation [0.0]
  本稿では,眼疾患の自動診断のためのディープラーニングアーキテクチャに関する総合的研究について述べる。 深い特徴抽出と解釈可能な画像処理モジュールを組み合わせたパイプラインを実装した。 臨床形態学的特徴のモデル予測を基礎として,アルゴリズム出力と専門的医学的検証のギャップを埋めることを目的としている。
  論文  参考訳（メタデータ） (2025-12-11T13:03:03Z)
• Towards Accurate and Interpretable Neuroblastoma Diagnosis via Contrastive Multi-scale Pathological Image Analysis [16.268045905735818]
  病理画像分類に適したコントラスト学習に基づくマルチスケール機能融合モデルであるCMSwinKANを提案する。 マルチスケールの特徴を融合させ、対照的な学習戦略を活用することで、CMSwinKANは臨床医の包括的なアプローチを模倣する。 その結果、CMSwinKANは、既存の最先端の病理モデルよりも、大規模なデータセットで事前訓練されたモデルよりもパフォーマンスがよいことが示された。
  論文  参考訳（メタデータ） (2025-04-18T15:39:46Z)
• 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)
• Real-time guidewire tracking and segmentation in intraoperative x-ray [52.51797358201872]
  リアルタイムガイドワイヤ分割と追跡のための2段階のディープラーニングフレームワークを提案する。 第1段階では、ヨロフ5検出器が元のX線画像と合成画像を使って訓練され、ターゲットのガイドワイヤのバウンディングボックスを出力する。 第2段階では、検出された各バウンディングボックスにガイドワイヤを分割するために、新規で効率的なネットワークが提案されている。
  論文  参考訳（メタデータ） (2024-04-12T20:39:19Z)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Circumpapillary OCT-Focused Hybrid Learning for Glaucoma Grading Using Tailored Prototypical Neural Networks [1.1601676598120785]
  緑内障は世界の視覚障害の主要な原因の1つである。 生の毛細血管Bスキャンを用いて緑内障を診断する新しい枠組みを初めて提案する。 特に,手動学習と深層学習を組み合わせた新しいOCTベースのハイブリッドネットワークを構築した。
  論文  参考訳（メタデータ） (2021-06-25T10:53:01Z)
• An Approach Towards Physics Informed Lung Ultrasound Image Scoring Neural Network for Diagnostic Assistance in COVID-19 [0.0]
  肺超音波(LUS)における胸膜下領域の音響伝搬に基づく特徴抽出のための新しいアプローチが提示された。 LUSNetと呼ばれるニューラルネットワークは、LUSイメージを、新型コロナウイルスの進行を追跡するために、肺感染症の重症度の異なる5つのクラスに分類するように訓練されている。 新型コロナウイルスの患者10名に対する全回復期間に対するLUS画像のアプローチに関する詳細な分析では、平均5倍のクロスバリデーション精度、感度、特異性はそれぞれ5000コマで97%、93%、98%となっている。
  論文  参考訳（メタデータ） (2021-06-13T13:01:53Z)
• Automatic Recognition of the Supraspinatus Tendinopathy from Ultrasound Images using Convolutional Neural Networks [1.021325814813899]
  畳み込みニューラルネットワークに基づく自動腱症認識フレームワークが提案されている。 テンドンセグメンテーションはNASUNetという新しいネットワークを通じて行われる。 腱症診断のための一般的な分類パイプラインが提案されている。
  論文  参考訳（メタデータ） (2020-11-23T22:41:41Z)

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。