論文の概要: Beyond Euclidean Prototypes: Spectral Disentanglement and Geodesic Matching for Few-Shot Medical Image Segmentation

• arxiv url: http://arxiv.org/abs/2605.17904v1
• Date: Mon, 18 May 2026 06:10:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:48.910888
• Title: Beyond Euclidean Prototypes: Spectral Disentanglement and Geodesic Matching for Few-Shot Medical Image Segmentation
• Title（参考訳）: ユークリッドの原型を超えて:短距離医用画像分割のためのスペクトル遠絡と測地的マッチング
• Authors: Penghao Jia, Zhiyong Huang, Mingyang Hou, Zhi Yu, Shuai Miao, Jiahong Wang, Yan Yan,
• Abstract要約: Few-Shot Medical Imageは、新しい解剖学的標的を1つまたは少数の注釈付き支持画像から説明することを目的としている。 現在のプロトタイプベースの手法は、2つの制約が混在している。 本稿では,SGP-Net(Spectral-Geodesic Prototype Network)を提案する。
• 参考スコア（独自算出の注目度）: 14.754071441705841
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Few-Shot Medical Image Segmentation (FSMIS) aims to delineate novel anatomical targets from one or a few annotated support images, addressing the annotation scarcity in medical imaging. Notwithstanding recent advancements, current prototype-based methods are bottlenecked by two coupled limitations: 1) cue entanglement, where a single spatial-domain prototype is forced to summarise organ silhouette, parenchymal texture and boundary appearance simultaneously, so any support-query mismatch on one cue propagates indiscriminately to the others; and 2) topology-blind matching, where cosine similarity measures distance in the ambient Euclidean space and ignores the connectivity of the underlying feature manifold, causing fragmented activations inside low-contrast organs and leakage into neighbouring tissues. To this end, we propose Spectral-Geodesic Prototype Network (SGP-Net), built around a Spectral-Geodesic Prototype Module with two coupled components. A Spectral Prototype Bank (SPB) decomposes support and query features into low-, mid- and high-frequency bands via learnable radial Fourier filters, yielding three disentangled prototypes per class that separately encode shape, texture and boundary cues. A Geodesic Matcher (GM) then replaces cosine similarity with a differentiable heat-diffusion approximation of geodesic distance, propagating matching signals along a feature affinity graph so that on-manifold pixels accumulate consistent responses while off-manifold look-alikes are suppressed. Experiments on three public FSMIS benchmarks demonstrate that SGP-Net achieves competitive performance against recent state-of-the-art methods.
• Abstract（参考訳）: Few-Shot Medical Image Segmentation (FSMIS)は、新しい解剖学的標的を1つまたは少数の注釈付き支持画像から切り離すことを目的としており、医用画像におけるアノテーションの不足に対処している。 最近の進歩にもかかわらず、現在のプロトタイプベースの手法は2つの制約が混在している。 1)1つの空間領域のプロトタイプを1つの空間領域のプロトタイプに臓器のシルエット、仮面のテクスチャー、境界の外観を同時に要約させなければならない場合において、一方のキュー上の支持領域のミスマッチは、他のキューとは無差別に伝播する。 2) コサイン類似性は周囲ユークリッド空間内の距離を測り, 基礎となる特徴多様体の接続を無視し, 低コントラスト器官内で断片化された活性化を引き起こし, 近隣組織に漏れる。 そこで本研究では,2つのコンポーネントを結合したSGP-Net(Spectral-Geodesic Prototype Network)を提案する。 スペクトルプロトタイプバンク(SPB)は、学習可能なラジアルフーリエフィルタを介して低域、中域、高周波帯域にサポートとクエリ機能を分解し、形状、テクスチャ、バウンダリキューを別々にエンコードするクラスごとに3つのアンタングル型プロトタイプを生成する。 ジオデシックマッチング(GM)は、コサイン類似性をジオデシック距離の微分可能な熱拡散近似に置き換え、特徴親和性グラフに沿ってマッチング信号を伝搬し、オフマニフォールドのルックアライズを抑えながらオンマニフォールド画素が一貫した応答を蓄積するようにする。 3つの公開FSMISベンチマーク実験により、SGP-Netは最近の最先端手法と競合する性能を発揮することが示された。

関連論文リスト

• Geometry-aware Prototype Learning for Cross-domain Few-shot Medical Image Segmentation [11.12183614587322]
  クロスドメイン少ショット医療画像セグメンテーション(CD-FSMIS)は、新しい解剖学的カテゴリと見えない画像領域を同時に一般化するモデルを必要とする。 既存の原型的アプローチは、必然的に解剖学的構造とドメイン固有の外観変化を絡み合わせる。 幾何対応のCD-FSMISフレームワークであるGeoProtoを提案する。
  論文  参考訳（メタデータ） (2026-05-11T17:32:26Z)
• Triple Spectral Fusion for Sensor-based Human Activity Recognition [86.21994396715074]
  本稿では,センサを用いたヒューマンアクティビティ認識(HAR)に適した新しい三重スペクトル融合フレームワークを提案する。 雑音抑制のための適応的な補間フィルタリング手法を開発し,各IMUセンサを姿勢・運動モードノードに整理する。 適応ウェーブレット周波数選択手法により、コンテキストの冗長性を抑え、特徴の長さを短縮する。
  論文  参考訳（メタデータ） (2026-05-04T15:42:58Z)
• Contrastive Graph Modeling for Cross-Domain Few-Shot Medical Image Segmentation [58.41482540044918]
  クロスドメイン少ショット医療画像セグメンテーション(CD-FSMIS)は医療応用に有望でデータ効率のよいソリューションを提供する。 本稿では,医用画像の構造的整合性を利用したコントラストグラフモデリング(C-Graph)を提案する。
  論文  参考訳（メタデータ） (2025-12-25T14:00:17Z)
• Geodesic Prototype Matching via Diffusion Maps for Interpretable Fine-Grained Recognition [8.300049635963141]
  本稿では,深部特徴の内在的幾何学において類似性を固定するプロトタイプベース認識のための新しいパラダイムを提案する。 具体的には、各クラスの潜在多様体構造を拡散空間に蒸留し、微分可能なナイストローム距離を導入する。 効率性を確保するために、周期的な更新を伴うクラスごとのランドマークセットをコンパクトに採用する。
  論文  参考訳（メタデータ） (2025-09-21T12:15:04Z)
• Addressing Graph Anomaly Detection via Causal Edge Separation and Spectrum [6.722106415172189]
  現実の世界では、異常なエンティティは、他の異常なエンティティと直接リンクを隠しながら、より正当な接続を追加することが多い。 本研究は, 異性度が異なるノードのスペクトル分布を解析し, 異常ノードの不均一性がスペクトルエネルギーのシフトを引き起こすことを明らかにする。 異種グラフ上の異常検出のための因果エッジ分離に基づくスペクトルニューラルネットワークCES2-GADを提案する。
  論文  参考訳（メタデータ） (2025-08-20T12:59:22Z)
• GrFormer: A Novel Transformer on Grassmann Manifold for Infrared and Visible Image Fusion [33.925249998725896]
  赤外線および可視光融合のためのグラスマン多様体に基づく新しいアテンション機構を提案する。 提案手法はグラスマン多様体上の射影制約を通した低ランク部分空間写像を構成する。 これにより、特徴を高周波詳細(局所低ランク)と低周波数意味論(グローバル低ランク)に分離せざるを得ない。
  論文  参考訳（メタデータ） (2025-06-17T10:32:05Z)
• DCN-T: Dual Context Network with Transformer for Hyperspectral Image Classification [109.09061514799413]
  複雑な撮像条件による空間変動のため,HSI分類は困難である。 本稿では,HSIを高品質な三スペクトル画像に変換する三スペクトル画像生成パイプラインを提案する。 提案手法は,HSI分類における最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2023-04-19T18:32:52Z)
• SIAN: Style-Guided Instance-Adaptive Normalization for Multi-Organ Histopathology Image Synthesis [63.845552349914186]
  本研究では,異なる臓器に対して,現実的な色分布とテクスチャを合成するためのスタイル誘導型インスタンス適応正規化(SIAN)を提案する。 4つのフェーズは一緒に動作し、生成ネットワークに統合され、イメージセマンティクス、スタイル、インスタンスレベルのバウンダリを埋め込む。
  論文  参考訳（メタデータ） (2022-09-02T16:45:46Z)
• Using Atom-Like Local Image Features to Study Human Genetics and Neuroanatomy in Large Sets of 3D Medical Image Volumes [0.0]
  この論文の貢献は、3次元画像空間で抽出された原子のような特徴から大量の画像を分析するために開発された技術に起因している。 電荷に類似した二元的特徴符号と3次元空間における対称的特徴配向状態の離散的集合を含む新しい特徴特性が導入された。
  論文  参考訳（メタデータ） (2022-08-25T22:27:39Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• Spectral-Spatial Global Graph Reasoning for Hyperspectral Image Classification [50.899576891296235]
  畳み込みニューラルネットワークは、ハイパースペクトル画像分類に広く応用されている。 近年の手法は空間トポロジのグラフ畳み込みによってこの問題に対処しようとしている。
  論文  参考訳（メタデータ） (2021-06-26T06:24:51Z)

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。