論文の概要: Explainable Continuous-Time Mask Refinement with Local Self-Similarity Priors for Medical Image Segmentation

• arxiv url: http://arxiv.org/abs/2603.00459v1
• Date: Sat, 28 Feb 2026 04:31:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.203065
• Title: Explainable Continuous-Time Mask Refinement with Local Self-Similarity Priors for Medical Image Segmentation
• Title（参考訳）: 局所的自己相似性を用いた医用画像分割のための説明可能な連続マスク再構成
• Authors: Rajdeep Chatterjee, Sudip Chakrabarty, Trishaani Acharjee,
• Abstract要約: LSS-LTCNet: 連続時間ニューラルダイナミクスによる決定論的構造先行を相乗化するためのアンテホックな説明可能なフレームワークを提案する。 我々のアーキテクチャは、密集した照明不変のテクスチャ記述子を抽出するローカル自己相似性(LSS)機構を用いることで、従来のブラックボックスモデルから逸脱する。 我々は, LSS-LTCNetが最先端境界アライメントを実現し, ピークDiceスコア86.96%, 例外95%のHausdorff Distance(HD95)8.91ピクセルを確保した。
• 参考スコア（独自算出の注目度）: 2.0391237204597363
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate semantic segmentation of foot ulcers is essential for automated wound monitoring, yet boundary delineation remains challenging due to tissue heterogeneity and poor contrast with surrounding skin. To overcome the limitations of standard intensity-based networks, we present LSS-LTCNet:an ante-hoc explainable framework synergizing deterministic structural priors with continuous-time neural dynamics. Our architecture departs from traditional black-box models by employing a Local Self-Similarity (LSS) mechanism that extracts dense, illumination-invariant texture descriptors to explicitly disentangle necrotic tissue from background artifacts. To enforce topological precision, we introduce a Liquid Time-Constant (LTC) refinement module that treats boundary evolution as an ODEgoverned dynamic system, iteratively refining masks over continuous time-steps. Comprehensive evaluation on the MICCAI FUSeg dataset demonstrates that LSS-LTCNet achieves state-of-the-art boundary alignment, securing a peak Dice score of 86.96% and an exceptional 95th percentile Hausdorff Distance (HD95) of 8.91 pixels. Requiring merely 25.70M parameters, the model significantly outperforms heavier U-Net and transformer baselines in efficiency. By providing inherent visual audit trails alongside high-fidelity predictions, LSS-LTCNet offers a robust and transparent solution for computer-aided diagnosis in mobile healthcare (mHealth) settings.
• Abstract（参考訳）: 足部潰瘍の正確なセマンティックセグメンテーションは、自動創傷モニタリングには不可欠であるが、組織の不均一性や周囲の皮膚とのコントラストの低さにより、境界線は依然として困難である。 標準強度に基づくネットワークの限界を克服するため,連続時間ニューラルダイナミクスによる決定論的構造先行を相乗化するためのアンテホックな説明可能なフレームワークであるLSS-LTCNetを提案する。 我々のアーキテクチャは、暗黒組織を背景アーティファクトから明示的に切り離すために、密集した照明不変のテクスチャ記述子を抽出するローカル自己相似(LSS)機構を用いて、従来のブラックボックスモデルから切り離されている。 トポロジカルな精度を実現するため,連続的な時間ステップでマスクを反復的に精錬する,境界の進化をオードグオーバされた動的システムとして扱うリキッド・タイム・コンスタント・リファインメント・モジュール(LTC)を導入する。 MICCAI FUSegデータセットの総合的な評価は、LSS-LTCNetが最先端の境界アライメントを達成し、ピークのDiceスコアが86.96%、異常な95%のHausdorff Distance (HD95)が8.91ピクセルであることを示している。 25.70万のパラメータしか必要とせず、モデルはより重いU-Netとトランスフォーマーのベースラインをはるかに上回っている。 LSS-LTCNetは、高忠実度予測と並行して、本質的に視覚的な監査証跡を提供することによって、モバイルヘルスケア(mHealth)設定において、コンピュータ支援診断のための堅牢で透明なソリューションを提供する。

関連論文リスト

• Real-time topology-aware M-mode OCT segmentation for robotic deep anterior lamellar keratoplasty (DALK) guidance [4.803245501695445]
  UNeXtに基づく軽量なトポロジ対応Mモードセグメンテーションパイプラインを提案する。 提案方式は,全前処理推定オーバレイパイプライン上で計測された80Hzを超えるエンドツーエンドスループットを実現する。
  論文  参考訳（メタデータ） (2026-02-02T20:58:04Z)
• Residual-SwinCA-Net: A Channel-Aware Integrated Residual CNN-Swin Transformer for Malignant Lesion Segmentation in BUSI [1.759752510445115]
  本研究では,新しいハイブリッド型Residual-SwinCA-Netセグメンテーションフレームワークを提案する。 グローバルな依存関係を学習するために、内部残留経路を使用してSwin Transformerブロックをカスタマイズする。 Residual-SwinCA-Netと既存のCNN/ViTs技術はBUSIデータセット上に実装されている。
  論文  参考訳（メタデータ） (2025-12-09T04:52:30Z)
• Multi-Stage Residual-Aware Unsupervised Deep Learning Framework for Consistent Ultrasound Strain Elastography [0.9698885636466451]
  Ultrasound Strain Elastography (USE)は、組織力学的特性を評価するための強力な非侵襲イメージング技術である。 我々は,頑健かつ一貫したひずみ推定のための残差認識・多段階非教師付き逐次ディープラーニングフレームワークであるMUSSE-Netを提案する。 MUSSE-Netは24.54の目標SNR、132.76のバックグラウンドSNR、59.81のCNR、9.73のエラストグラフSNRで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-11-19T17:22:25Z)
• Vision Foundation Models Can Be Good Tokenizers for Latent Diffusion Models [45.63522160275318]
  Vision Foundation Model Variational Autoencoder (VFM-VAE) は、VFMのセマンティックフォーカスとピクセルレベルの忠実さの必要性の間の固有の緊張を解決するために設計された。 我々のシステムは80エポックで2.20のgFID(w/o CFG)に達する(先行トークン化器の10倍の高速化)。
  論文  参考訳（メタデータ） (2025-10-21T09:30:45Z)
• The Curious Case of In-Training Compression of State Space Models [49.819321766705514]
  ステートスペースモデル(SSM)は、並列化可能なトレーニングと高速推論の両方を提供する。 鍵となる設計上の課題は、表現力の最大化と計算負荷の制限の間の適切なバランスを打つことだ。 我々のアプローチである textscCompreSSM はリニアリカレントユニットのような線形時間不変SSMに適用されるが、選択モデルにも拡張可能である。
  論文  参考訳（メタデータ） (2025-10-03T09:02:33Z)
• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• HANS-Net: Hyperbolic Convolution and Adaptive Temporal Attention for Accurate and Generalizable Liver and Tumor Segmentation in CT Imaging [2.7205074719266062]
  腹部CT像における肝・腫瘍の正確なセグメンテーションは確実な診断と治療計画に重要である。 ニューラル表現とシナプティック・プラスティック・ネットワーク(HANS-Net)を用いたハイパーボリック・コンボリューションの導入 HANS-Netは、階層的幾何表現のための双曲的畳み込み、マルチスケールテクスチャ学習のためのウェーブレットインスパイアされた分解モジュール、暗黙の神経表現分岐を組み合わせた。
  論文  参考訳（メタデータ） (2025-07-15T13:56:37Z)
• PhysLLM: Harnessing Large Language Models for Cross-Modal Remote Physiological Sensing [49.243031514520794]
  LLM(Large Language Models)は、テキスト中心の設計のため、長距離信号の取得に優れる。 PhysLLMは最先端の精度とロバスト性を実現し、照明のバリエーションや動きのシナリオにまたがる優れた一般化を示す。
  論文  参考訳（メタデータ） (2025-05-06T15:18:38Z)
• Achieving Constraints in Neural Networks: A Stochastic Augmented Lagrangian Approach [49.1574468325115]
  DNN(Deep Neural Networks)の正規化は、一般化性の向上とオーバーフィッティングの防止に不可欠である。 制約付き最適化問題としてトレーニングプロセスのフレーミングによるDNN正規化に対する新しいアプローチを提案する。 我々はAugmented Lagrangian (SAL) 法を用いて、より柔軟で効率的な正規化機構を実現する。
  論文  参考訳（メタデータ） (2023-10-25T13:55:35Z)
• RetiFluidNet: A Self-Adaptive and Multi-Attention Deep Convolutional Network for Retinal OCT Fluid Segmentation [3.57686754209902]
  OCTガイド下治療には網膜液の定量化が必要である。 RetiFluidNetと呼ばれる新しい畳み込みニューラルアーキテクチャは、多クラス網膜流体セグメンテーションのために提案されている。 モデルは、テクスチャ、コンテキスト、エッジといった特徴の階層的な表現学習の恩恵を受ける。
  論文  参考訳（メタデータ） (2022-09-26T07:18:00Z)
• Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection Segmentation System [69.40329819373954]
  新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。 現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。 本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
  論文  参考訳（メタデータ） (2022-09-07T05:01:38Z)
• Statistical control for spatio-temporal MEG/EEG source imaging with desparsified multi-task Lasso [102.84915019938413]
  脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。 ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。 この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-09-29T21:17:16Z)

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。